数据仓库与数据挖掘实验指导书--王浩畅解读.doc

数据仓库与数据挖掘 实 验 指 导 书 东北石油大学计算机与信息技术系 王浩畅 实验一 Weka实验环境初探 一、实验名称: Weka实验环境初探 二、实验目的： 通过一个已有的数据集，在weka环境下，测试常用数据挖掘算法，熟悉Weka环境。 三、实验要求 熟悉weka的应用环境。 了解数据挖掘常用算法。 在weka环境下，测试常用数据挖掘算法。 四、实验平台 新西兰怀卡托大学研制的Weka系统 五、实验数据 Weka安装目录下data文件夹中的数据集weather.nominal.arff，weather.arff 六、实验方法和步骤 1、首先，选择数据集weather.nominal.arff，操作步骤为点击Explorer，进入主界面，点击左上角的“Open file...”按钮，选择数据集weather.nominal.arff文件，该文件中存储着表格中的数据，点击区域2中的“Edit”可以看到相应的数据： 选择上端的Associate选项页，即数据挖掘中的关联规则挖掘选项，此处要做的是从上述数据集中寻找关联规则。点击后进入如下界面： 2、现在打开weather.arff，数据集中的类别换成数字。 选择上端的Associate选项页，但是在Associate选项卡中Start按钮为灰色的，也就是说这个时候无法使用Apriori算法进行规则的挖掘，原因在于Apriori算法不能应用于连续型的数值类型。所以现在需要对数值进行离散化，就是类似于将20-30℃划分为“热”，0-10℃定义为“冷”，这样经过对数值型属性离散化 从中可以看出，对于“温度”这一项，一共有12条不同的内容，最小值为64（单位：华氏摄氏度，下同），最大值为85，选择过滤器“choose”按钮，或者在同行的空白处点击一下，即可弹出过滤器选择框，逐级找到 .filters.unsupervised.attribute.Discretize”，点击；若无法关闭这个树，在树之外的地方点击 Explorer”面板即可 现在Choose”旁边的文本框应该显示Discretize -B 10 -M -0.1 -R first-last”。点击这个文本框会弹出新窗口以修改离散化的参数。不打算对所有的属性离散化，只是针对对第个和第个属性，故把attributeIndices右边改成 ,3”。计划把这两个属性都分成3段，于是把bins”改成3”。其它框里不用更改，关于的可以点More”查看。点OK”回到 Explorer”，可以看到和已经被离散化成分类型的属性。若想放弃离散化可以点Undo”。 可以看到temperature属性信息如下显示： Humidity属性变成如下样式： 3、在Classify，Cluster，Associate选项中分别尝试不同算法。 七、通过实验,掌握Weka的使用 实验二 基于关联规则的信息获取 一、实验名称： 基于关联规则的信息获取 二、实验目的： 通过一个已有的训练数据集，观察训练集中的实例，进行关联信息获取，更好地理解和掌握关联规则算法的基本原理，建立相应的预测模型，然后对新的未知实例进行预测，预测的准确程度来衡量所建立模型的好坏。 三、实验要求 1、熟悉Weka平台 2、掌握关联规则算法 3、对数据进行预处理，利用Weka和不同参数设置进行关联分析，对比结果，得出结论，对问题进行总结。 四、实验平台 新西兰怀卡托大学研制的Weka系统 五、实验数据 1、使用银行对资产进行评估的数据bank-data.arf，数据里有12个属性，分别是id,age,sex,region,income,married,children, car, save_act, current_act, mortgage,pep.共600个实例。 六、实验方法和步骤 1、打开WEKA界面如下：界面中有四个选择Simple CLC, Explorer, Experimenter, KnowledgeFlow。 我们选择Explorer进行实验。 文件格式转化为ARFF的方式。 2、选择Explorer选项，选择Open file打开bank-data.arff数据，打开可以看见数据中的属性，选择属性从右边可以看到它的取值范围 1）CSV换成ARFF格式 将CSV转换为ARFF最迅捷的办法是使用WEKA所带的命令行工具。运行WEKA的主程序，出现GUI后可以点击下方按钮进入相应的模块。我们点击进入“Simple CLI”模块提供的命令行功能。在新窗口的最下方（上方是不能写字的）输入框写上 java weka.core.converters.CSVLoader filename.cs