原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数据挖掘实训报告-
项目1：基于sklearn的数据分类挖掘
一、项目任务
①熟悉sklearn数据挖掘的基本功能。
②进行用朴素贝叶斯、KNN、决策树C4.5、SVM算法进行数据分类分析。
二、项目环境及条件
sklearn-0.18.0
python-2.7.13
numpy-1.11.3+mkl-cp27-cp27m-win_amd64
scipy-0.19.0-cp27-cp27m-win_amd64
matplotlib-1.5.3-cp27-cp27m-win_amd64
三、实验数据
Iris数据集
Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
Digits数据集
美国著名数据集NIST的子集，模式识别常用实验数据集，图像属于灰度图像。分辨率为8x8
四、项目内容及过程
1.读取数据集
从sklearn中读取iris和digits数据集并测试打印
from sklearn import datasets
iris = datasets.load_iris()
digits = datasets.load_digits()
print iris:,iris.data,\ndigits:,digits.data 打印的数据集存在numpy.ndarray中，ndarray会自动省略较长矩阵的中间部分。
Iris数据集的样本数据为其花瓣的各项属性
Digits数据集的样本数据为手写数字图像的像素值
2.划分数据集
引入sklearn的model_selection使用train_test_split划分digits数据集，训练集和测试集比例为8:2
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(digits.data,digits.target,test_size=0.2)
print x_train:,x_train,\nx_test:,x_test,\ny_train:,y_train,\ny_test:,y_test
3.使用KNN和SVM对digits测试集分类
引用sklearn的svm.SVC和neighbors.KNeighborsClassifier模块调用算法，使用classification_report查看预测结果的准确率和召回率
from sklearn.metrics import classification_report
from sklearn import neighbors
clf = neighbors.KNeighborsClassifier()
clf.fit(x_train,y_train)
y_pred=clf.predict(x_test)
print classification_report(y_test, y_pred)
from sklearn.svm import SVC
clf = SVC()
clf.fit(x_train,y_train)
y_pred=clf.predict(x_test)
print classification_report(y_test, y_pred)
KNN的预测结果：所有数字的预测正确率几乎达到了100%
SVM的预测结果：对部分数字的预测误差较大，基本情况不如KNN
考虑SVM分类器的特性，在分类前对特征值进行标准化后再分类：
from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler()
x_train = min_max_scaler.fit_transform(x_train)
x_test = min_max_scaler.fit_transform(x_test)
标准化数据后SVM的预测结果达到了KNN的准度：
4.使用贝叶斯和决策树对iris数据集分类
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,test_size=0.4)
from sklearn.metrics im
文档评论（0）