数据挖掘6个实验实验报告.docx

中南民族大学计算机科学学院《数据挖掘与知识发现》综合实验报告姓 名 年 级 专 业软件工程指导教师 学 号 序 号 实验类型 综合型 成绩评定评语：教师签名：年 月 日2016 年 12 月 10 日年级? 14级专 业? 软件工程班级? 2班组号 实验室日期?实验名称?实验内容分项内容实验级别 1.Weka环境熟悉；决策树（1） 2.决策树（2） 3.关联规则，聚类分析 4.KDD案例 5.属性相关性，神经网络（1） 6.神经网络（2）小 组 成 员姓名学号组内分工自我评分教师评分?????实验分项? 1、Weka环境熟悉；决策树（1）?实验目的熟悉 Weka 软件的环境和基本用法；（2）掌握 ARFF 数据文件的编制方法；（3）学习应用 Weka 软件建立决策树的方法，并理解决策树的剪枝和未剪枝的分类效果。实验要求一、具体题目:1、 参照教材 19-22 页内容，熟悉 Weka 软件的安装及使用环境；2、 在记事本程序中编制 ColdType-training.arff,ColdType-test.arff打开Weka 软件，并参照教材 1.9.2，1.9.3 小节，完成相关操作， 并理解相应处理结果。 4、 根据教材表 2.1 所提供的数据集 T，基于 Weka 软件，应用 C4.5 法建立决策树， 预测某个学生是否决定去打篮球。 要求：（1）采用 arff 文件来完成； （2）分别完成决策树剪枝和未剪枝的情况。二、系统平台：Weka3.6 实验原理步骤（算法流程）使用Weka建立决策树模型1、准备数据：在记事本程序中编制 ColdType-training.arff，ColdType-test.arff。加载和预处理数据。建立分类模型。（选择C4.5决策树算法）分类未知实例 使用Weka进行聚类准备数据：使用ColdType.csv文件作为数据集。加载和预处理数据。聚类（用简单 K - 均值算法）解释和评估聚类结果三、完成感冒类型的相关操作及相应处理结果 1.加载了ColdType-training.arff文件后的Weka Explorer界面： 2.感冒类型诊断分类模型输出结果：Sore-throat = Yes| Cooling-effect = Good: Viral (2.0)| Cooling-effect = Notgood: Bacterial (4.0/1.0)| Cooling-effect = Unknown: Bacterial (1.0)Sore-throat = No: Viral (3.0)Number of Leaves : 4Size of the tree : 6Time taken to build model: 0.02 seconds=== Evaluation on training set ====== Summary ===Correctly Classified Instances 9 90 %Incorrectly Classified Instances 1 10 %Kappa statistic 0.8Mean absolute error 0.15 Root mean squared error 0.2739Relative absolute error 31.0345 %Root relative squared error 55.8694 %Total Number of Instances 10=== Detailed Accuracy By Class === TP Rate FP Rate Precision Recall F-Measure ROC Area Class 0.833 0 1 0.833 0.909 0.938 Viral 1 0.167 0.8 1 0.889 0.938 BacterialWeighted Avg. 0.9 0.067 0.92 0.9 0.901 0.938=== Confusion Matrix