用weka进行数据挖掘毕业设计（论文word格式.doc

《数据挖掘》课程作业 题目 用weka进行数据挖掘 班级 学号 姓名 日期 目录 1引言 2 1.1设计说明 2 1.2软件 2 2正文 3 2.1数据集说明 3 2.2利用SimpleKMeans算法对数据进行聚类 7 2.2.1 K-means算法原理 7 2.2.2 SimpleKMeans算法 8 3结论 13 4.参考文献 13 1引言 1.1设计说明 数据挖掘（Data Mining）是发现数据中有用模式的过程。数据挖掘会话的目的是确定数据的趋势和模式。数据挖掘强调对大量观测到的数据库的处理。它是涉及数据库管理，人工智能，机器学习，模式识别，及数据可视化等学科的边缘学科。用统计的观点看，它可以看成是通过计算机对大量的复杂数据集的自动探索性分析。 数据集，又称为资料集、数据集合或资料集合，是指一种由数据所组成的集合。Data set（或dataset）是一个数据的集合，通常以表格形式出现。每一列代表一个特定变量。每一行都对应于某一成员的数据集的问题。它列出的价值观为每一个变量，如身高和体重的一个物体或价值的随机数。每个数值被称为数据资料。对应于行数，该数据集的数据可能包括一个或多个成员。 本文引用的数据集为zoo数据集，应用weka载入数据集，并将数据集进行聚类，分析聚类结果。 1.2软件 本次设计用到的软件为：weka weka简介: WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），WEKA 诞生于 University of Waikato（新西兰）（weka也是新西兰的一种鸟名）并在 1997 年首次以其现代的格式实现。它使用了 GNU General Public License (GPL)。该软件以 Java? 语言编写并包含了一个 GUI 来与数据文件交互并生成可视结果（比如表和曲线）。它还有一个通用 API，所以用户可以像嵌入其他的库一样将 WEKA 嵌入到用户自己的应用程序以完成诸如服务器端自动数据挖掘这样的任务。 WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。 2正文 2.1数据集说明 数据集名称：Zoo database 数据类型：nominal 1. Source Information -- Creator: Richard Forsyth -- Donor: Richard S. Forsyth 8 Grosvenor Avenue Mapperley Park Nottingham NG3 5DX 0602-621676 -- Date: 5/15/1990 2. Past Usage: -- None known other than what is shown in Forsyths PC/BEAGLE Users Guide. 3. Relevant Information: -- A simple database containing 17 Boolean-valued attributes. The type attribute appears to be the class attribute. Here is a breakdown of which animals are in which type: (I find it unusual that there are 2 instances of frog and one of girl!) Class# Set of animals: ====== =============================================================== 1 (41) aardvark, antelope, bear, boar, buffalo, calf, cavy, cheetah, deer, dolphin, elephant, fruitbat, giraffe, girl, goat, gorilla, hamster, hare, leopard, lion, l