基本算法原理及实现.DOCVIP

MACROBUTTON MTEditEquationSection2 SEQ MTEqn \r \h \* MERGEFORMAT SEQ MTSec \r 1 \h \* MERGEFORMAT SEQ MTChap \r 1 \h \* MERGEFORMAT 数据仓库与数据挖掘上机实验报告 学 号 3005218007 姓 名 康春纪 学院名称 软件学院 专 业 软件工程 时 间 2008-10-31 软件学院2005级数据仓库与数据挖掘实习设计报告 PAGE 2 目 录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc213407147 实验一、基本算法原理及实现 PAGEREF _Toc213407147 \h 3 HYPERLINK \l _Toc213407148 1. 实验目的 PAGEREF _Toc213407148 \h 3 HYPERLINK \l _Toc213407149 2. 实验任务 PAGEREF _Toc213407149 \h 3 HYPERLINK \l _Toc213407150 3. 数据说明 PAGEREF _Toc213407150 \h 3 HYPERLINK \l _Toc213407151 4. 算法过程与相关计算 PAGEREF _Toc213407151 \h 3 HYPERLINK \l _Toc213407152 4.1 分类算法 PAGEREF _Toc213407152 \h 3 HYPERLINK \l _Toc213407153 4.2 聚类算法 PAGEREF _Toc213407153 \h 4 HYPERLINK \l _Toc213407154 5. 实验步骤 PAGEREF _Toc213407154 \h 4 HYPERLINK \l _Toc213407155 6. 实验结果及分析 PAGEREF _Toc213407155 \h 4 HYPERLINK \l _Toc213407156 6.1 分类 PAGEREF _Toc213407156 \h 4 HYPERLINK \l _Toc213407157 6.2 聚类 PAGEREF _Toc213407157 \h 5 HYPERLINK \l _Toc213407158 总结 PAGEREF _Toc213407158 \h 7 实验一、基本算法原理及实现 实验目的 熟悉基本的聚类(Kmeans)和分类(决策树，Naivebayes)算法的基本原理及算法评价指标的基本计算方法。 实验任务 通过weka的Explore视图进行决策树和Naivebayes，Kmeans算法的基本实验，并写出相关计算公式和分类评价指标的相关计算方法，结果评价时通过调整参数得到不同的实验结果，并通过曲线图显示出来。 数据说明 实例总数：14 类别属性：play {yes, no} 其他属性：outlook {sunny, overcast, rainy}; temperature {real}; humidity{real}; windy 算法过程与相关计算 分类算法 [说明：决策树方法需要计算出每个属性的信息增益(Information Gain)，朴素贝叶斯方法需要估计概率：(每个类的概率),（每个属性值在每个类中的概率）] 决策树 整个数据集的熵： MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 1. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 1) 离散属性的信息增益： MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 1. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 2) [计算出每个离散型属性的信息增益，可以不计算出最后结果，只给出计算过程，但是要说明如何根据信息增益构造决策树，从数据集中选出一个数据，说明分类器的工作过程] 给定实例[去掉类别属性]：[sunny,85,85,FALSE] [分析实例被确定类别的过程] 朴素贝叶斯 [假设类别属性是play] 类别概率： MACROBUTT