数据挖掘实验报告.pdfVIP

.. 《数据挖掘》 Weka 实验报告 姓名 ＿ 学号＿ 指导教师 开课学期 2015 至 2016 学年 2 学期 完成日期 2015 年 6 月 12 日 . .. 1. 实验目的 基于 /ml/datasets/Breast+Cancer+WiscOnsin+%28Ori- ginal%29 的数据，使用数据挖掘中的分类算法， 运用 Weka 平台的基本功能 对数据集进行分类， 对算法结果进行性能比较， 画出性能比较图， 另外针对不同 数量的训练集进行对比实验，并画出性能比较图训练并测试。 2. 实验环境 实验采用 Weka 平台，数据使用来自 /ml/Datasets/Br- east+Cancer+WiscOnsin+%28Original%29，主要使用其中的 Breast Cancer Wisc- onsin (Original) Data Set 数据。Weka 是怀卡托智能分析系统的缩写， 该系统 由新西兰怀卡托大学开发。 Weka 使用 Java 写成的，并且限制在 GNU 通用公共 证书的条件下发布。 它可以运行于几乎所有操作平台， 是一款免费的， 非商业化 的机器学习以及数据挖掘软件。 Weka 提供了一个统一界面，可结合预处理以及 后处理方法， 将许多不同的学习算法应用于任何所给的数据集， 并评估由不同的 学习方案所得出的结果。 3. 实验步骤 3.1 数据预处理 本实验是针对威斯康辛州 ( 原始 ) 的乳腺癌数据集进行分类， 该表含有 Sample code number （样本代码) ，Clump Thickness （丛厚度），Uniformity of Cell Size （均匀的细胞大小）， Uniformity of Cell Shape （均匀的细胞形状）， Marginal Adhesion （边际粘连），Single Epithelial Cell Size （单一的上皮细胞大小）， Bare Nuclei （裸核），Bland Chromatin （平淡的染色质）， Normal Nucleoli （正常的 核仁）， Mitoses （有丝分裂），Class （分类），其中第二项到第十项取值均为 1-10 ，分类中 2代表良性， 4代表恶性。 通过实验，希望能找出患乳腺癌客户各 指标的分布情况。 该数据的数据属性如下： 1. Sample code number（numeric），样本代码； 2. Clump Thickness （numeric），丛厚度； . .. 3.Uniformity of Cell Size （numeric）均匀的细胞大小； 4. Uniformity of Cell Shape （numeric），均匀的细胞形状； 5.Marginal Adhesion （numeric），边际粘连； 6.Single Epithelial Cell Size （numeric），单一的上皮细胞大小； 7.Bare Nuclei （numeric ），裸核； 8.Bland Chromatin （numeric），平淡的染色质； 9. Normal Nucleoli （numeric），正常的核仁； 10.Mitoses （numeric），有丝分裂； 11.Class （enum），分类。 3.2 数据分