数据挖掘实验报告..docVIP

《数据挖掘》 Weka实验报告 姓名 ＿ 学号＿ 指导教师 开课学期 2015 至 2016 学年 2 学期 完成日期 2015年6月12日  1.实验目的? 基于/ml/datasets/Breast+Cancer+WiscOnsin+%28Ori- ginal%29的数据，使用数据挖掘中的分类算法，运用Weka平台的基本功能对数据集进行分类，对算法结果进行性能比较，画出性能比较图，另外针对不同数量的训练集进行对比实验，并画出性能比较图训练并测试。 2.实验环境? 实验采用Weka平台，数据使用来自/ml/Datasets/Br- east+Cancer+WiscOnsin+%28Original%29，主要使用其中的Breast Cancer Wisc- onsin (Original) Data Set数据。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。 3.实验步骤 3.1数据预处理 本实验是针对威斯康辛州(原始)的乳腺癌数据集进行分类，该表含有Sample code number（样本代码)，Clump Thickness（丛厚度Uniformity of Cell Size（均匀的细胞大小 Uniformity of Cell Shape （均匀的细胞形状Marginal Adhesion（边际粘连Single Epithelial Cell Size（单一的上皮细胞大小Bare Nuclei（裸核Bland Chromatin（平淡的染色质Normal Nucleoli（正常的核仁 Mitoses（有丝分裂Class（分类），其中第二项到第十项取值均为1-10，分类中2代表良性，4代表恶性。 通过实验，希望能找出患乳腺癌客户各指标的分布情况。 该数据的数据属性如下： 1. Sample code number（numeric），样本代码； 2. Clump Thickness（numeric），丛厚度Uniformity of Cell Size（numeric）均匀的细胞大小 Uniformity of Cell Shape（numeric），均匀的细胞形状Marginal Adhesion（numeric），边际粘连Single Epithelial Cell Size（numeric），单一的上皮细胞大小Bare Nuclei（numeric），裸核Bland Chromatin（numeric），平淡的染色质Normal Nucleoli（numeric），正常的核仁Mitoses（numeric），有丝分裂Class（enum），分类。 3.2数据分析 由/ml/datasets/Breast+Cancer+WiscOnsin+%28Ori- ginal%29得到一组由逗号隔开的数据，复制粘贴至excel表中，选择数据——分列——下一步——逗号——完成，该数据是有关乳腺癌数据集，有11个属性，分别为Sample code number（样本代码)，Clump Thickness（丛厚度Uniformity of Cell Size（均匀的细胞大小Uniformity of Cell Shape （均匀的细胞形状Marginal Adhesion（边际粘连Single Epithelial Cell Size（单一的上皮细胞大小Bare Nuclei（裸核Bland Chromatin（平淡的染色质Normal Nucleoli（正常的核仁 Mitoses（有丝分裂Class（分类），因为复制粘贴过来的数据没有属性，所以手工添加一行属性名。Weka分类数据需把excel保存为一个csv文件。 3.2.1 .csv - .arff 将CSV转换为ARFF最迅捷的办法是使用WEKA所带的命令行工具。 打开weka,之后出现GUI界面，如图1所示： （图1） 点击进入“Exploer”模块，要将.csv 格式转换为 .arff格式，点击open file...,打开刚保存的“乳腺癌数据集.csv”,点击“Save...”,将文件保存为“乳腺癌数据集.csv.arff”如图2所示： （图2） 图3中显示的是使用“Explo