WEKA聚类算法wine数据集分析研究报告.docx

【原创】 【原创】R 语言案例数据分析报告论文（附代码数据） PAGE PAGE 1 有问题到淘宝找“大数据部落”就可以了 WEKA 聚类算法 wine 数据集分析研究 实验目的 希望通过实验研究葡萄酒的差异化，并分析造成这种差异化的原因，可以更深刻的掌握聚类分析的原理；进一步熟悉聚类分析问题的提出、解决问题的思路、方法和技能；达到能综合运用所学基本理论和专业知识；锻炼收集、整理、运用资料的能力的目的；希望能会调用 WEKA 软件聚类分析有关过程命令，并且可以对数据处理结果进行正确判断分析，作出综合评价。 实验数据 Wine Wine 这份数据集包含来自 3 种不同起源的葡萄酒的共 178 条记录。13 个属性是葡萄酒的 13 种化学成分。通过化学分析可以来推断葡萄酒的起源。值得一提的是所有属性变量都是连续变量。 数据集特征: 多变量 记录数: 178 领域: 物理 属性特征: 整数，实数 属性数目: 13 捐赠日期 1991-07-01 相关应用: 分类 缺失值? 无 网站点击数: 337319 该实验的数据集是 MostPopular Data Sets（hits since 2007）中的wine 数据集，这是是对在意大利同一地区生产的三种不同品种的酒，做大量分析所得出的数据。这些数据包括了三种酒中 13 种不同成分的数量。 经过几天对数据集以及分类算法的研究，详细研究了朴素贝叶斯分类器和其他学习算法，包括决策树和神经网络等等。同时由于这个数据集有 13 个属性，用决策树实现起来会很复杂。我最终选择了用贝叶斯分类算法来实现。我将 178 个样本分成 118 个训练样本和 60 个测试样本，采用朴素贝叶斯分类算法，计算出先验概率和后验概率，通过比较概率的最大值，判别出测试样本所属于的酒的类型， 同时输出测试样本计算的正确率和错误率。 这些数据包括了三种酒中 13 种不同成分的数量。13 种成分分别为：Alcohol， Malicacid，Ash，Alcalinity of ash，Magnesium ，Total phenols，Flavanoids， Nonflavanoid phenols，Proanthocyanins，Color intensity，Hue，OD280/OD315 of diluted wines，Proline。在 “wine.data”文件中，每行代表一种酒的样本，共有178 个样本；一共有 14 列，其中，第一列为类标志属性，共有三类，分别记为 “1”，“2”，“3”；后面的 13 列为每个样本的对应属性的样本值。其中第 1 类有 59 个样本，第 2 类有 71 个样本，第 3 类有 48 个样本。 实验方法 聚类是对数据对象进行划分的一种过程，与分类不同的是，它所划分的类是 【原创】 【原创】R 语言案例数据分析报告论文（附代码数据） 有问题到淘宝找“大数据部落”就可以了 PAGE PAGE 2 未知的，故此，这是一个“无指导的学习” 过程，它倾向于数据的自然划分。其中聚类算法常见的有基于层次方法、基于划分方法、基于密度以及网格等方法。本文中对近年来聚类算法的研究现状与新进展进行归纳总结。一方面对近年来提出的较有代表性的聚类算法，从算法思想。关键技术和优缺点等方面进行分析概括；另一方面选择一些典型的聚类算法和一些知名的数据集，主要从正确率和运行效率两个方面进行模拟实验，并分别就同一种聚类算法、不同的数据集以及同一个数据集、不同的聚类算法的聚类情况进行对比分析。最后通过综合上述两方面信息给出聚类分析的研究热点、难点、不足和有待解决的一些问题等。 实验中主要选择了 K 均值聚类算法、FCM 模糊聚类算法并以 UCI Machine Learning Repository 网站下载的 WINE 数据集为基础，然后以WINE 数据集在学习了解 Weka 软件接口方面的基础后作聚类分析，使用最常见的 K 均值（即K-means）聚类算法和 FCM 模糊聚类算法。下面简单描述一下 K 均值聚类的步骤。 K 均值算法首先随机的指定 K 个类中心。然后： 将每个实例分配到距它最近的类中心，得到 K 个类； 计分别计算各类中所有实例的均值，把它们作为各类新的类中心。重复（1）和（2），直到 K 个类中心的位置都固定，类的分配也固定。 在实验过程中通过利用 Weka 软件中提供的 simpleKmeans（也就是 K 均值聚类算法对 WINE 数据集进行聚类分析，更深刻的理解 k 均值算法，并通过对实验结果进行观察分析，找出实验中所存在的问题。然后再在学习了解Weka 软件接口方面的基础上对 Weka 软件进行一定的扩展以加入新的聚类算法来实现基于Weka 平台的聚类分析。 K 均值聚