l数据挖掘工具对比报告.docxVIP

学生姓名:指导老师: 学院名称: 专业名称:数据挖掘工具运用对比报告 学生姓名: 指导老师: 学院名称: 专业名称: 冯霞 计算机学院 计算机科学与技术 中国民航大学 2012年11月17日 数据挖掘工具Knime与Weka的运用与比较 摘要 数据挖掘(Data Mining)又称数据库中的知识发现(Knowledge Discover in Database, 是目前人工智能和数据库领域研究的热点问题。 所谓数据挖掘是指从数据库的大量数据 中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策 支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术 等，能够高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在模式，帮助决策 者调整市场策略，减少风险，做出正确的决策。在现代社会，无论是商业决策，还是信 息管理，甚至国家大事如美国总统选举，数据挖掘都占有非常重要的地位。因此，作为 一名计算机学科的研究生，熟练使用数据挖掘工具是必要的。 现在主流五种数据挖掘软件为： weka、orange、rapidminer、jhepwork、rattle、knime 而且这些软件都是开源的，可以供使用者根据自己的需要开发或者改进。 本文将以weka和knime为例，介绍两种软件的运用以及比较。 关键词：数据挖掘工、weka、knime、运用、比较 Weka 简介: WEKA的全名是 Waikato Environment for Knowledge Analysis 同时 weka也是 新西兰的一种鸟名，而 WEKA的主要开发者来自新西兰。它是现今最完备的数 据挖掘工具之一。作为一个大众化的数据挖掘工作平台， WEKA集成了大量能承 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 联分析以及在新的交互式界面上的可视化等等。 通过其接口，可在其基础上实现 自己的数据挖掘算法。 WEKA的打开界面： 数据格式： WEK所用的数据格式在形式上与 Excel类似。打开Explorer界面，点Open file 选择weka自带数据weather.nominal.arff 进行分析,是离散好weather数 据。打开数据如下所示: WEKA存储数据的格式是 ARFF(Attribute-Relation File Format )文件, 这是一种ASCII文本文件 表格里的一个横行称作一个实例(Instanee)，相当于统计学中的一个样本， 或者数据库中的一条记录。竖行称作一个属性(Attribute )，相当于统计学中的 一个变量，或者数据库中的一个字段。这样一个表格或者叫作数据集，在 WEKA 看来，呈现了属性之间的一种关系(Relation)。上图中一共有14个实例，5个 属性，关系名称为“ weather”。 整个ARFF文件可以分为两个部分。第 和对属性的声明；第二部分是数据信息 WEK支持的datatype有四种： Numeric vnomin al-specificati on Stri ng date [date-format] WEKA勺使用： 部分是头信息，包括对关系的声明数值型标称型字符串型日期和时间型界面使用 部分是头信息，包括对关系的声明 数值型 标称型 字符串型 日期和时间型 界面 使用WEK作数据挖掘，面临的第一个问题往往是我们的数据不是 ARFF WEK还提供了对CSV文件的支持，而这种格式是被很多其 格式的。幸好， 他软件，比如Excel，所支持的。现在我们打开“ bank-data.csv ”。利用 WEK可以将CSV文件格式转化成ARFF文件格式。ARFF格式是WEK支持得 最好的文件格式。此外， WEK还提供了通过JDBC访问数据库的功能 Explorer ”界面提供了很多功能，是 WEK使用最多的模块。现在我 们先来熟悉它的界面，然后利用它对数据进行预处理。界面如下如所示 53| 53 | Weka Explorer 上图显示的是“ Explorer ”打开“ weather.nominal.arff ”的情况。我们根 据不同的功能把这个界面分成 8个区域。 区域1的几个选项卡是用来切换不同的挖掘任务面板。 区域2是一些常用按钮。包括打开数据，保存及编辑功能。 在区域3中“ Choose某个“ Filter ”，可以实现筛选数据或者对数据 进行某种变换。数据预处理主要就利用它来实现。 区域4展示了数据集的一些基本情况。 区域5中列出了数据集的所有属性。勾选一些属性并“ Remove就可 以删除它们，删除后还可以利用区域2的“Und6按钮找回。区域5上方的一 排按钮是用来实现快速勾选的。在区域5中选中某个属性，则区域6中有关于 这个属性的摘