实验一：分类分析实验指导书.pdfVIP

实验一 分类分析 实验类型：验证 实验学时：4*2 实验时间： 一、 实验目的和要求 使用数据挖掘工具Weka进行分类分析实验，掌握使用Weka进行决策树分类、 基于规则分类、最近邻分类、贝叶斯分类和支持向量机的方法，并能够解决实际 问题。 二、 实验环境 硬件：PC机一台，计算机局域网络 软件：Windows操作系统，Java虚拟机，Weka软件环境 三、 实验原理及内容 （一）鸢尾花数据 1、 对鸢尾花数据 （iris.aff ）进行数据可视化分析 第一步：打开Weka ，出现如下界面 第二步：点击Explorer按钮，出现如下界面 第三步：点击Open File按钮，选择iris.arff文件 第四步：点击Visualize按钮，进行可视化分析，写出分析结果 2、 对鸢尾花数据使用决策树 （J48 ）进行分类分析 第一步：点击Classifiy选项卡，选择J48 ，进行决策树分类分析 第二步：选择不同的参数，对分类结果进行分析，观察分类结果， 找出决策树、分类错误、分错的记录。 3、 对鸢尾花数据使用朴素贝叶斯（Naïve Bayes ）方法进行 分类分析，观察分类结果、分类错误、分错的记录。 4、 对鸢尾花数据使用最近邻分类（IBk ）方法进行分类分 析，对结果进行分析，找出分错的记录。 5、 对鸢尾花数据使用支持向量机（SVM）进行分类分析。 第一步：将libsvm.jar文件拷贝到C盘根目录中，配置以下环境变量： CLASSPATH C:/libsvm.jar;. 第二步：点击Choose按钮，选择LibSVM进行分类，对结果进行分析。 6、 用自己的话写出以上几种分类方法的异同之处和使用 感受。 （二）对银行信贷数据credit-g.arff进行同样的分析，写出分 析结果。 （三） 【选作】将以下数据做成arff文件并使用weka进行分 类分析。 checking_status duration credit_history purpose credit_amount class critical/other (0 6 existing radio/tv 1169 good credit 0(=X(200 48 existing paid radio/tv 5951 bad critical/other no checking 12 existing education 2096 good credit furniture/eq (0 42 existing paid 7882 good uipment delayed (0 24 new car 4870 bad previously no checking 36 existing paid education 9055 good furniture/eq no checking 24 e