数据挖掘导论IrisKDD分析.doc

` 题 目 iris数据集的 二〇 一六年 9月 iris数据集的知识发现（KDD：Knowledge Discovery in Database）是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。知识发现将信息变为知识，从数据矿山中找到蕴藏的知识金块，将为知识创新和知识经济的发展作出贡献。该术语于1989年出现，Fayyad定义为KDD是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程”。 KDD目的是利用所发现的模式解决实际问题，“被人”的模式帮助人们理解模式包含的信息，从而的评估和利用。核心作为一个KDD的工程而言,KDD通常包含一系列复杂的挖掘步骤. Fayyad,Piatetsky-Shapiro 和 Smyth 在 1996年合作发布的论文From Data Mining to knowledge discovery中总结出了KDD包含的5个最基本步骤(如图). 1: selection: 在第一个步骤中我们往往要先知道什么样的数据可以应用于我们的KDD工程中. 2: pre-processing: 当采集到数据后,下一步必须要做的事情是对数据进行预处理,尽量消除数据中存在 的错误以及缺失信息. 3: transformation: 转换数据为数据挖掘工具所需的格式.这一步可以使得结果更加理想化. 4: data mining: 应用数据挖掘工具. 5:interpretation/ evaluation: 了解以及评估数据挖掘结果. 实验软件：eka3-9. 数据集来源：/ml/datasets/Iris 第2章、实验过程 2.1数据准备 1.从uci的数据集官网下载iris的数据源 2.数据，清洗数据，变换数据 iris的数据集 Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。过程 2.2.1. (1)C4.5数据挖掘算法weka进行有的学习训练，选择挖掘算法，在eka中名为将test options ercentage split ，使用默认百分比%。 选择class作为输出属性。如图： 2.设置完成后点击start开始执行(2)Simple KMeans算法 1加载数据到ka，切换到luster选项卡，选择imple KMeans算法 2.设置算法参数，标准差，迭代次数设为，其他默认花的种类为如所示 luster Mode 面板选择评估数据为 trainin set，并单击gnore attribu，忽略class属性。4.点击start按钮，执行程序结果及分析 C4.5结果分析 1. === Run information === Scheme: weka.classifiers.trees.J48 -C 0.25 -M 2 Relation: iris Instances: 150 Attributes: 5 sepal length sepal width petal length petal width class Test mode: split 66.0% train, remainder test === Classifier model (full training set) === J48 pruned tree ------------------ petal width = 0.6: Iris-setosa (50.0) petal width 0.6 | petal width = 1.7 | | petal length = 4.9: Iris-versicolor (48.0/1.0) | | petal length 4.9 | | | petal width = 1.5: Iris-virginica (3.0) | | | petal width 1.5: Iris-versicolor (3.0/1.0) | petal width 1.7: Iris-virginica (46.0/1.0) Number of Leaves : 5 Size of the tree : 9 Time taken to build model