基于Weka的数据分类分析实验报告范文.pdfVIP

基于Weka的数据分类分析实验报告范文--第1页

基于Weka的数据分类分析实验报告范文

1实验目的

使用数据挖掘中的分类算法，对数据集进行分类训练并测试。应用不

同的分类算法，比较他们之间的不同。与此同时了解Weka平台的基本功

能与使用方法。

2实验环境

2.1Weka介绍

Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开

发。Weka使用Java写成的，并且限制在GNU通用公共证书的条件下发布。

它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以

及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理

方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的

学习方案所得出的结果。

图1Weka主界面

Weka系统包括处理标准数据挖掘问题的所有方法：回归、分类、聚

类、关联规则以及属性选择。分析要进行处理的数据是重要的一个环节，

Weka提供了很多用于数据可视化和与处理的工具。输入数据可以有两种

形式，第一种是以ARFF格式为代表的文件；另一种是直接读取数据库表。

使用Weka的方式主要有三种：第一种是将学习方案应用于某个数据

集，然后分析其输出，从而更多地了解这些数据；第二种是使用已经学习

到的模型对新实例进预测；第三种是使用多种学习器，然后根据其性能表

现选择其中一种来进行预测。用户使用交互式界面菜单中选择一种学习方

基于Weka的数据分类分析实验报告范文--第1页

基于Weka的数据分类分析实验报告范文--第2页

法，大部分学习方案都带有可调节的参数，用户可通过属性列表或对象编

辑器修改参数，然后通过同一个评估模块对学习方案的性能进行评估。

2.2数据和数据集

根据应用的不同，数据挖掘的对象可以是各种各样的数据，这些数据

可以是各种形式的存储，如数据库、数据仓库、数据文件、流数据、多媒

体、网页，等等。即可以集中存储在数据存储库中，也可以分布在世界各

地的网络服务器上。

大部分数据集都以数据库表和数据文件的形式存在，Weka支持读取

数据库表和多种格

式的数据文件，其中，使用最多的是一种称为ARFF格式的文件。

ARFF格式是一种Weka专用的文件格式，Weka的正式文档中说明

AREF代表Attribute-RelationFileFormat（属性-关系文件格式）。该文

件是ASCII文本文件，描述共享一组属性结构的实例列表，由独立且无序

的实例组成，是Weka表示数据集的标准方法，AREF不涉及实例之间的关

系。

3数据预处理

本实验采用Weka平台，数据使用Weka安装目录下data文件夹下的

默认数据集iri.arff。

Iri是鸢尾花的意思，鸢尾花是鸢尾属植物，是一种草本开花植物的

统称。鸢尾花只有三枚花瓣，其余外围的那三瓣乃是保护花蕾的花萼，只

是由于这三枚瓣状花萼长得酷似花瓣，以致常常以假乱真，令人难以辨认。

基于Weka的数据分类分析实验报告范文--第2页

基于Weka的数据分类分析实验报告范文--第3页

由于本次使用平台自带的ARFF格式数据，所以不存在格式转换的过

程。实验所用的ARFF格式数据集如图2所示。

图2AREF格式数据集（iri.arff）

鸢尾花的数据集包括三个类别：IriSetoa（山鸢尾）、

IriVericolour（变色鸢尾）和IriVirginica（维吉尼亚鸢尾），每个类

别各有50个实例。数据集定义了5个属性：epallength（花萼长）、

epalwidth（花萼宽）、petallen