Weka入门--简介-数据挖掘-个人整理.pptVIP

从参数上看，可以看出公司的权重是最高的，因为个人偿付金额有限。 接下来是over due fee，它的系数大于但接近1，可以推断，在实际案例中，penalty fee会大于它，但是和他成强相关。 这个是非监督性学习，聚类，和线性回归需要答案不同，这个无需答案，它会对数据根据距离进行分类，最后得出具有相似特性的不同的簇 这个是关联关系，可以发现不同属性之间的强相关规则。不过对于线性回归而言，因为因子是自变量，所以已经假定各因子间没有关联。 这个是根据结果对各个因子进行排行，可以删掉那些无关参数 打开目的文件，决策树适合评价nominal数据 评价指标 kappa stastic 当为1的时候，最好，以为着决策树有效，当为0的时候，和随机方法相同，当为-1的时候，不如随机方法 TP：true positive FP: false negative Precision: TP除以TP+FP Recall: TP除以TP+FN F-measure: 一般情况下，假定贝塔值为1，他的公式是Precision*Recall除以Precision+Recall，可通过调整贝塔值来调整recall和precision的比重 ROC: ROC曲线中auc面积比较重要，这个值越接近1，以为着正确预测相对来说越多 TP以及FP的说明 F-socre 因此F-measure越接近1，说明模型越准确。 此例中，false代表未违约，true代表违约，在true累下，F-measure的值为0，所以违约推算结果并不好 关联规则 如果要挖掘属性之间的相互关系，则需要用到关联规则，关联规则不能够处理连续数据，因此需要离散化 在filter中选中diseretize，并点击apply，数据类型会转化为nominal 然后点击associate选项卡，选中分析关联规则的算法，如Apriori,点击start，关联规则会挖掘比较久 这里要注意两个参数LowerBoundMinSupport,UpperBoundMinSupport和minMetric。 这两个对应的是support（M）和confidence（N）的门槛。当support在lower和upper之间并且confidence大于minMetric的值会被筛选。可以通过提高他们的值来过滤掉一些弱的关联。 N是代表要挖掘多少个关联关系。如此例，就是挖掘top10个关联关系 credit_card_max_number_of_overdue=(-inf-0.1] 240 == credit_card_pastDue=(-inf-118.2] 240 conf:(1) 第一个就代表credit_card_max_number_of_overdue在数字0.1以下的100%的可能credit_card_pastDue的数额小于118 Y N Y TP FN N FP TN 预测值 实际值 Weka Weka简介 线性回归（Linear Regression）分析 决策树（Decision Tree）分析 weka的下载与安装 http://www.cs.waikato.ac.nz/ml/weka/ weka界面介绍 命令行界面，执行简单操作 数据挖掘和分析 设计挖掘流程，类似于流程图 设计自己的实验模型 打开文件.ARFF (Attribute-Relation File Format) Weka支持的数据类型 NUMERIC包括integer和real NOMINAL是分类，需要直接列举出来如{0，1} STRING可包含任何字符串，适合文本数据的挖掘 DATE日期时间yyyy-MM-dd HH:mm:ss 线性回归（Linear Regression） 原可视化窗口 调整pointsize后 调整jitter后 调整jitter后 可以调整x和y轴，发现不同参数的关系 可以看出有penalty fee和over due fee的一般由公司支付 决策树（Decision Tree） 第一期还款 还 未还 低信用 第二期还款 高信用 低信用 还 未还 Decision Tree (J48) J48 是weka的称呼 其实它就是C4.5 它通过用Information Gain和Split Info的比值，避免了ID3会偏向于多个树分叉的缺点，因为Split Info是相对应节点的熵。 会忽略不重要的分支