数据挖掘WEKA报告bezdekIris.doc

第一部分 概述 1.数据挖掘目的：根据已有的数据信息，寻找出鸢尾的属性之间存在怎样的关联规则。 2.数据源：UCI提供的150个实例，每个实例有5个属性。 3.数据集的属性信息： (1). sepal length in cm 萼片长度（单位：厘米）（数值型）(2). sepal width in cm 萼片宽度（单位：厘米）（数值型）(3). petal length in cm 花瓣长度（单位：厘米）（数值型）(4). petal width in cm 花瓣宽度（单位：厘米）（数值型）(5). class: 类型（分类型），取值如下-- Iris Setosa 山鸢尾-- Iris Versicolor 变色鸢尾-- Iris Virginica 维吉尼亚鸢尾 4.试验中我们采用bezdekIris.data数据集，对比UCI发布的iris.data数据集（08-Mar-1993）和bezdekIris.data数据集（14-Dec-1999），可知前者的第35个实例4.9,3.1,1.5,0.1,Iris-setosa和第38个实例4.9,3.1,1.5,0.1,Iris-setosa，后者相应的修改为：4.9,3.1,1.5,0.2,Iris-setosa和4.9,3.1,1.4,0.1,Iris-setosa。 第二部分 将UCI提供的数据转化为标准的ARFF数据集 1. 将数据集处理为标准的数据集，对于原始数据，我们将其拷贝保存到TXT文档，采用UltraEdit工具打开，为其添加属性信息。如图： 2.（1）将bezdekIris.txt文件导入Microsoft Office Excel（导入时，文本类型选择文本文件），如图： （2）下一步，设置分隔符号，如图： （3）得到的XLS格式数据如图： 4.在Excel中将其另存为CSV格式文件（CSV格式的文件和XLS格式文件一样），保存的路径为C:\Program Files\Weka-3-6,方便对其进行转化为weka标准的arff格式文件，如图： 5.采用weka的Simple CLI模块输入命令：java weka.core.converters.CSVLoader bezdekIris.csv bezdekIris.arff 将CSV文件转化为标准ARFF文件。成功完成的提示信息：Finished redirecting output to bezdekIris.arff。得到的数据集如图所示： 6. 至此得到了标准的ARFF格式文件。 第三部分 采用关联规则对ARFF数据集进行处理 1. 对ARFF数据集进行预处理，即进行数据的离散化，将sepal-length, sepal-width, petal-length和petal-width四个数值型的数据转化为分类型的数据，设置相应的参数为：weka.filters.unsupervised.attribute.Discretize -B 10 -M -1.0 -R 1-4，即将每个属性的值分为10类，选择关联规则的Apriori 算法，相应的参数设置为：weka.associations.Apriori -N 10 -T 0 -C 0.9 -D 0.05 -U 1.0 -M 0.1 -S -1.0 -A -c -1，即计划挖掘出支持度在10%到100%之间，并且置信度超过90%，按照置信度排前10条的关联规则。 2. 在关联规则挖掘面板中操作：（1）“car”设置为Ture，表示挖掘为类关联规则；（2）“classIndex”设置为-1，表示最后的属性被当作类属性；（3）把“lowerBoundMinSupport”和“upperBoundMinSupport”分别设为1和0.1，表示支持度的上界和下界；（4）“metricType”设为Confidence，表示以置信度衡量（类关联规则只能用置信度挖掘）；（5）“minMetric”设为0.9，表示度量最小值；（6）“numRules”设为10，表示规则数。其他选项保持默认。“OK” 之后在“Explorer”中点击“Start”开始运行算法，在右边窗口显示数据集摘要和挖掘结果，运行结果如下（设置不同的参数得到的结果会有所不同）： === Run information === Scheme: weka.associations.Apriori -N 10 -T 0 -C 0.9 -D 0.05 -U 1.0 -M 0.1 -S -1.0 -A -c -1 Relation: bezdekIris-weka.filters.unsupervised.attribute.Discret