数据挖掘技术实验指导书分解.docVIP

实验指导书 数据挖掘技术 适用专业：信息与计算科学及相关专业 计算机与信息学院编 2011年5月  实验一 一、实验名称 WEKA的使用与数据准备 二、实验目的 熟悉数据挖掘的常用软件WEKA的安装和环境，理解weka的数据格式，掌握数据格式的转换，理解数据预处理的必要性和基本方法。 三、实验平台 计算机、软件WEKA、UtraEdit 四、实验数据 bank-data.csv （在教材配套光盘的\CompanionCD\Datafiles\Chapter_7_AR 目录下） weather.arff （WEKA安装目录的“data”子目录） 五、实验方法和步骤 1、实验准备 (1)访问WEKA网站http://www.cs.waikato.ac.nz/ml/weka，下载带JAVA虚拟机版本的WEKA,保存在U盘中。 (2)阅读课本第8章5.11-8.14小结的内容。 (3)将实验所需数据bank-data.csv 从光盘拷贝只U盘中。 2、了解weka的环境 (1)安装weka，了解weka的环境 (2)打WEKA自带的“weather.arff”文件，了解arff文件的格式 3、数据准备 （1）将原来的“bank-data.csv”文件转化为arff文件“bank-data.arff”。 （2）把“ID”属性去掉。 （3）把“Children”属性转换成数值型的值{0,1,2,3}。 （4）使用“Discretize”的Filter把“age”和“income”的离散化，另存文件为bank_data_final.arff 六、实验指导 1. 简介 WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过http://www.cs.waikato.ac.nz/ml/weka得到。同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。 WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。 图一 WEKA主界面 如果想自己实现数据挖掘算法，可以看weka的接口文档，在weka中集成自己的算法。 2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的Weka小组荣获了数据挖掘和知识探索领域的最高服务奖，Weka系统得到了广泛的认可，被誉为数据挖掘和机器学习历史上的里程碑，是现今最完备的数据挖掘工具之一。 2. 数据格式 跟很多电子表格或数据分析软件一样，WEKA所处理的数据集是图2那样的一个二维的表格。 图2 新窗口打开 表格里的一个行称作一个实例(Instance)，相当于统计学中的一个样本，或者数据库中的一条记录。列称作一个属性（Attrbute），相当于统计学中的一个变量，或数据库中的一个字段。这样一个表格(数据集)，在WEKA看来，呈现了属性之间的一种关系(Relation)。图1中一共有14个实例，5个属性，关系名称为“weather”。 WEKA存储数据的格式是ARFF(Attribute-Relation File Format)文件，这是一种ASCII文本文件。图1所示的二维表格存储在如下的ARFF文件中。这也就是WEKA自带的“weather.arff”文件，在WEKA安装目录的“data”子目录下可以找到。 代码: % ARFF file for the weather data with some numric features % @relation weather @attribute outlook {sunny, overcast, rainy} @attribute temperature real @attribute humidity real @attribute windy {TRUE, FALSE} @attribute play {yes, no} @data % % 14 instances % sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TR