数据挖掘实验报.docVIP

数据挖掘实验报告——K-最临近分类算法 学号：311062202 姓名：汪文娟 数据源说明 1.数据理解 选择第二包数据Iris Data Set，共有150组数据,考虑到训练数据集的随机性和多样性，选择rowNo模3不等于0的100组作为训练数据集，剩下的50组做测试数据集。 每组数据有5个属性，分别是：1. sepal length in cm 2. sepal wrowNoth in cm 3. petal length in cm 4. petal wrowNoth in cm 5. class: -- Iris Setosa -- Iris Versicolour -- Iris Virginica 为了操作方便，对各组数据添加rowNo属性,且第一组rowNo=1。 2.数据清理 现实世界的数据一般是不完整的、有噪声的和不一致的。数据清理例程试图填充缺失的值，光滑噪声并识别离群点，并纠正数据中的不一致。 缺失值：当数据中存在缺失值是，忽略该元组（注意：本文选用的第二组数据Iris Data Set的Missing Attribute Values: None）。 噪声数据：本文暂没考虑。 K-最临近分类算法 KNN(k Nearest Neighbors)算法又叫k最临