数据仓库与数据挖掘1实验册汽院科院2总汇.doc

《数据仓库与数据挖掘》 实验报告册 20 - 20 学年 第 学期 班 级： 学 号： 姓 名： 目录 实验一 Microsoft SQL Server Analysis Services的使用 3 实验二 使用WEKA进行分类与预测 5 实验三 使用WEKA进行关联规则与聚类分析 6 实验四 数据挖掘算法的程序实现 7 实验一 Microsoft SQL Server Analysis Services的使用 实验类型：验证性 实验学时：4 实验目的： 学习并掌握Analysis Services的操作，加深理解数据仓库中涉及的一些概念，如多维数据集，事实表，维表，星型模型，雪花模型，联机分析处理等。 实验内容： 在实验之前，先通读自学SQL SERVER自带的Analysis Manager概念与教程。按照自学教程的步骤，完成对FoodMart数据源的联机分析。建立、编辑多维数据集，进行OLAP操作，看懂OLAP的分析数据。 实验步骤： 启动联机分析管理器： 建立系统数据源连接。 建立数据库和数据源，多维数据集 编辑多维数据集 设计存储和处理多维数据集 浏览多维数据集中的数据按时间筛选数据 使用WEKA进行分类与预测 实验类型：综合性 实验学时：4 实验目的： 掌握数据挖掘平台WEKA的使用。综合运用数据预处理、分类与预测的挖掘算法、结果的解释等知识进行数据挖掘。从而加深理解课程中的相关知识点。 实验内容： 阅读并理解WEKA的相关中英文资料，熟悉数据挖掘平台WEKA，针对实际数据，能够使用WEKA进行数据的预处理，能选择合适的分类与预测算法对数据进行分析，并能解释分析结果。 实验步骤： 1、在开始-程序-启动WEKA，进入Explorer界面，熟悉WEKA的界面功能。 2、选择数据集（实验中的数据可以从网络获取），如泰坦尼克号数据WEKA 的可视化页面，可以对当前的关系作二维散点图式的可视化浏览。要求: 熟悉Visualize界面中各个功能选项的含义，理解可视化图形的意义。 5、选择相应的分类与预测挖掘算法对数据集进行分析，进行算法参数的具体设置。如利用WEKA-Classifier-trees-J48 决策树算法，对泰坦尼克号数据对分析所获得的进行解释。尝试讨论泰坦尼克号幸存者的特征。 使用WEKA进行关联规则与聚类分析 实验类型：综合性 实验学时：4 实验目的： 掌握数据挖掘平台WEKA的使用。综合运用数据预处理、关联规则与聚类的挖掘算法、结果的解释等知识进行数据挖掘。从而加深理解课程中的相关知识点。 实验内容： 阅读并理解WEKA的相关中英文资料，熟悉数据挖掘平台WEKA，针对实际数据，能够使用WEKA进行数据的预处理，了解属性选择，能选择合适的关联规则与聚类算法对数据进行分析，并能解释分析结果。 实验步骤： 1、在开始-程序-启动WEKA，进入Explorer界面，熟悉WEKA的界面功能。 2、选择数据集（实验中的数据可以从网络获取），将要处理的数据集转换成WEKA能处理的格式，如 .ARFF格式。根据选择的数据挖掘算法，如果有必要，在Weka Explorer界面，Preprocess选项中，进行相应的数据预处理。 3、在Weka Explorer界面，单击Select attributes选项，进入WEKA 的属性选择页面。要求: 了解该界面中主要功能选项的含义，理解该界面的功能。 5、在Weka Explorer界面，单击Associate选项，进入WEKA 的关联规则页面。选择一个关联规则算法对数据集进行分析，进行算法参数的具体设置。要求：对你选择的关联规则算法思想进行介绍，熟悉Associate界面的内容，对Associate中的参数含义分别进行介绍。理解用来衡量规则的关联程度几个度量解释分析所获得的。WEKA 的聚类页面。选择一个聚类算法（如K均值解释分析所获得的。采用任何一种自己熟悉的编程语言完成算法的程序设计 实验报告册 5