数据分析与挖掘实验报告.docxVIP

《数据挖掘》实验报告 目录 1. 关联规则的基本概念和方法 ............................... 1 1.1 数据挖掘 .......................................... 1 1.1.1 数据挖掘的概念 . ............................... 1 1.1.2 数据挖掘的方法与技术 . ......................... 1 1.2 关联规则 .......................................... 2 1.2.1 关联规则的概念 . ............................... 2 1.2.2 关联规则的实现—— Apriori 算法 ................ 3 2. 用 Matlab 实现关联规则 .................................. 5 2.1Matlab 概述 ........................................ 5 2.2 基于 Matlab 的 Apriori 算法 . ......................... 6 3. 用 java 实现关联规则 ................................... 10 3.1java 界面描述 ...................................... 10 3.2java 关键代码描述 . ................................. 13 4、实验总结 ............................................. 18 4.1 实验的不足和改进 . ................................. 18 4.2 实验心得 ......................................... 19 1.关联规则的基本概念和方法 1.1 数据挖掘 1.1.1 数据挖掘的概念 计算机技术和通信技术的迅猛发展将人类社会带入到了信息时代。 在最近十几年里， 数 据库中存储的数据急剧增大。 数据挖掘 就是信息技术自然进化的结果。 数据挖掘可以从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的，人们事先不知道的但又是潜在有用的信息和知识的过程。 许多人将数据挖掘视为另一个流行词汇 数据中的知识发现（ KDD ）的同义词，而另一 些人只是把数据挖掘视为知识发现过程的一个基本步骤。知识发现过程如下： ·数据清理（消除噪声和删除不一致的数据） ·数据集成（多种数据源可以组合在一起） ·数据转换（从数据库中提取和分析任务相关的数据） ·数据变换（从汇总或聚集操作，把数据变换和统一成适合挖掘的形式） ·数据挖掘（基本步骤，使用智能方法提取数据模式） ·模式评估（根据某种兴趣度度量，识别代表知识的真正有趣的模式） ·知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识） 。 1.1.2 数据挖掘的方法与技术 数据挖掘吸纳了诸如数据库和数据仓库技术、 统计学、机器学习、 高性能计算、模式识别、神经网络、 数据可视化、信息检索、 图像和信号处理以及空间数据分析技术的集成等许多应用领域的大量技术。数据挖掘主要包括以下方法。 神经网络方法： 神经网络由于本身良好的鲁棒性、 自组织自适应性、并行处理、分布存 储和高度容错等特性非常适合解决数据挖掘的问题， 因此近年来越来越受到人们的关注。 典 型的神经网络模型主要分 3 大类：以感知机、 bp 反向传播模型、函数型网络为代表的，用 于分类、预测和模式识别的前馈式神经网络模型；以 hopfield 的离散模型和连续模型为代 表的，分别用于联想记忆和优化计算的反馈式神经网络模型；以 art 模型、 koholon 模型为 代表的， 用于聚类的自组织映射方法。 神经网络方法的缺点是 黑箱 性，人们难以理解网络的学习和决策过程。 遗传算法：遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法， 是一种仿生 全局优化方法。 遗传算法具有的隐含并行性、 易于和其它模型结合等性质使得它在数据挖掘中被加以应用。 sunil 已成功地开发了一个基于遗传算法的数据挖掘工具，利用该工具对两 个飞机失事的真实数据库进行了数据挖掘实验， 结果表明遗传算法是进行数据挖掘的有效方 法之一。 遗传算法的应用还体现在与神经网络、 粗糙集等技术的结合上。 如利用遗传算法优 化神经网络结构，在不增加错误率的前提下，删除多余的连接和隐层单元；用遗传算法和 bp 算法结合训练神经网络，然后从网络提取规