用MATLAB实现数据挖掘的一种算法.docVIP

一、数据挖掘的目的 数据挖掘(Data Mining)阶段首先要确定挖掘的任务或目的。数据挖掘的目的就是得出隐藏在数据中的有价值的信息“CardiologyCategorical”的excel文件中的“源数据”。该数据表共303行，14个属性。即共有303个样本。将该数据表的前200行设为训练样本，剩下后的103行作为测试样本，用基于粗糙集理论的属性约简的方法生成相应的规则，再利用测试样本对这些规则进行测试。 首先对源数据进行预处理，主要包括字符型数据的转化和数据的归一化。 数据预处理的第一步是整理源数据，为了便于matlab读取数据，把非数字数据转换为离散型数字数据。生成lisanhua.xsl文件。这一部分直接在excel工作表中直接进行。 步骤如下： 将属性“sex”中的“Male”用“1”表示，“Female”用“2”表示； 将属性“chest pain type”中的“Asymptomatic”用“1”表示，“Abnormal Angina”用“2”表示，“Angina”用“3”表示，“NoTang”用“4”表示； 将属性“Fasting blood suga120”与属性“angina”中的“FALSE”用“1”表示，“TRUE”用“2”表示； 将属性“resting ecg”中的“Hyp” 用“1” 表示，“Normal”用“2”表示，“Abnormal”用“3”表示； 将属性“slope”中的“Down”用“1”表示，“Flat”用“2”表示，“Up”用“3”表示,； 将属性“thal”中的“Rev”用“1”表示，“Normal”用“2”表示，“Fix”用“3”表示； 将属性“class”中的“Healthy”用“1”表示，“Sick”用“2”表示； 数据预处理的第二步：使用 dm=xlsread(lisanhua); 导入’lisanhua’.xls文件，在MATLAB中对一些连续属性值离散化。 如下： 1、[29,48]=1，[48,62]=2，[62,77]=3 4、[94,110]=1，[110,143]=2，[143,200]=3 5、[126,205]=1，[205,293]=2，[293，564]=3 8、[71,120]=1，[120,175]=2，[175,202]=3 10、[0,1.5]=1，[1.5,2.5]=2，[2.5,6.2]=3。 然后对数据进行归一化处理： 由于不同属性之间的属性值相同，所以利用下面语句对一共13个条件属性中的38个属性进行如下赋值，使每条属性唯一确定。从而得到38个条件属性，只不过38个里面有且只能出现13个。 程序如下： m1=[0,3,2,4,3,3,2,3,3,2,3,3,4,3];k=1;w=m1(k);dm3=dm2; for i=1:3939 dm3(i)=dm2(i)+w; if rem(i,303)==0 k=k+1; w=w+m1(k); end end 从而得到dm(3)矩阵。而且决策属性分为1：healthy；2：sick。 并且在38个条件属性中没有值为0。 四、挖掘算法 1、特殊样本 首先在前200条样本中分别找出三条对应两种决策属性的重要样本，样本必须满足在同类决策属性下其他199条的13条决策属性中和它的13条条件属性数目大于等于10的前3条样本。 2、特殊条件属性值 其次分别对应两条决策属性值的5条重要条件属性值（在38个条件属性里找），特殊属性值必须满足：(1)在对应相同决策属性下，此决策属性支持率必须在前五，(2)而且如果不同决策属性出现相同条件属性。如果相同决策属性同时出现在不同决策属性中，删除这条后找支持率第六的条件属性，以此类推。 挖掘算法在MATLAB里列出并做了标注。 五、验证程序 1、预处理 在验证程序里面分别对测试数据和六条样本做了对比，又对其属性值和特殊属性值做了对比，最后利用加权求和算法判断测试样本的决策属性正确率。 其中：nc，mc代表测试数据分别和两类样本属性中相同数是否大于等于9时的加权值。ncc,mcc代表测试数据分别和两类特殊属性满足几条数目的加权值。 2、关联规则 (1)、如果(nc=0.9ncc=8)|(ncc=10nc=0.6) 得到决策属性healthy (2)、不满足以上条件的话 如果(mc=0.9|mcc=8)|(mcc=9mc=0.6) 得到决策属性sick。 (3)、不满足以上条件的话 如果nc=(mc+0.3)|ncc=(mcc+2) 得到决策属性healthy。 (4)、不满足以上条件的话 如果mcnc 得到决策属性为sick。 (5)、不满足以上条件的话 如果nccmcc 得到决策属性为healthy。 (6)、不满