数据挖掘实训报告-.pdfVIP

项目１ :基于ｓ kle ａｒｎ的数据分类挖掘 一、项目任务 ①熟悉 sk ｌearn 数据挖掘的基本功能。 ②进行用朴素贝叶斯、Ｋ NＮ、决策树Ｃ４ .5 、SVM算法进行数据分类分析。 二、项目环境及条件 ? skl ｅａｒ n-0.18 ．0 ? python-2.7.13 ? numpy-1.11.3+mk ｌ-cp27 －cp27ｍ-w ｉｎ_amd64 ? sci ｐｙ- ０. １９. ０-cp27-c ｐ27m －w ｉn＿amd64 ? mat ｐｌot ｌib －1．5.3 －c ｐ27- ｃp27m-win_amd64 三、实验数据 Iris 数据集 Iri ｓ数据集是常用的分类实验数据集，由 F ｉshe ｒ, 193 ６收集整理。 Iri ｓ也称鸢尾花 卉数据集 ,是一类多重变量分析的数据集。 数据集包含 1 ５0 个数据集 ,分为３类， 每类 50 个数 据，每个数据包含 4 个属性。可通过花萼长度 ,花萼宽度，花瓣长度 ,花瓣宽度 4 个属性预测鸢 尾花卉属于 ( Ｓｅtosa,V ｅr ｓi ｃｏｌｏ u ｒ，Vir ｇi ｎi ｃa) 三个种类中的哪一类。 Ｄｉgi ｔｓ数据集 美国著名数据集 N ＩST 的子集 ,模式识别常用实验数据集 , 图像属于灰度图像。分辨率为 8x8 ? 四、项目内容及过程 １. 读取数据集 从ｓ kl ｅａrn 中读取 iri ｓ和 di ｇits 数据集并测试打印 from learn im ort d taset ｓｋ ｐ ａ ｓ iri ｓ = ｄat ａｓets ．ｌo ａｄ_iris （） digits d tasets.l d_d g t () ＝ ａ ｏａ ｉ ｉ ｓ ｐ ｉ ， ＼ rint iris:,ir s.data ndigits:,digits.data 打印的数据集存在 numpy.nd ａrr ａy 中, ｎｄarr ａy 会自动省略较长矩阵的中间部分。 Iris 数据集的样本数据为其花瓣的各项属性 D ｉgi ｔs 数据集的样本数据为手写数字图像的像素值 2. 划分数据集 引入 s ｋｌｅ a ｒn 的ｍ o ｄel＿ｓ e ｌectio ｎ使用 trai ｎ_test＿ spli ｔ划分 d ｉｇi ｔs 数据集 ,训练 集和测试集比例为８ :2 ｆrom sk ｌearn ．mo ｄｅl＿sel ｅction ｉmpo ｒt tra ｉn_test_split x_tr ａｉn ，x_ ｔest,y_ ｔrain,y ＿test= ｔrai ｎ＿te ｓt_spl ｉt(d ｉgi ｔs ．ｄa ｔa ，ｄigit ｓ.tar ｇｅt,test ＿siz ｅ=0 ．2) ｐ ｎｔ ＿ｔ ， ｉ ，＇ ｘ ｔ ｔ ， ：＇，ｙ＿ ， ｎｙ ri x rain: x_tra n \n _tes :,x_ est \ny_train train _te t _test ｓ ： ，ｙ 3 ．使用ＫＮ N和 SVM对 dig ｉts 测试集分类 引用 skle ａr ｎ的 svm.SVC 和 n ｅi ｇｈbo ｒs．KN ｅig ｈborsCl ａssifier 模块调用算法 ,使用 cla ｓs ｉｆication_re ｐo ｒt 查看预测结果的准确率和召回率 fro skl arn. etrics i por c ass f cati n_ port ｍ ｅ ｍ ｍ ｔ ｌ ｉ ｉ ｏ ｒｅ ｆｒｏm s ｋlea ｒn ｉmpor ｔ nei ｇｈb