数据挖掘实验报告.docxVIP

《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

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。

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BreastCancer

Wisc-

onsin(Original)DataSet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。

实验步骤

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Samplecodenumber（样本代码)，ClumpThickness（丛厚度），UniformityofCellSize

（均匀的细胞大小），UniformityofCellShape（均匀的细胞形状），MarginalAdhesion（边际粘连），SingleEpithelialCellSize（单一的上皮细胞大小），BareNuclei（裸核），BlandChromatin（平淡的染色质），NormalNucleoli（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：

Samplecodenumber（numeric），样本代码；

ClumpThickness（numeric），丛厚度；

1

UniformityofCellSize（numeric）均匀的细胞大小；

UniformityofCellShape（numeric），均匀的细胞形状；5.MarginalAdhesion（numeric），边际粘连；

6.SingleEpithelialCellSize（numeric），单一的上皮细胞大小；7.BareNuclei（numeric），裸核；

BlandChromatin（numeric），平淡的染色质；

NormalNucleoli（numeric），正常的核仁；10.Mitoses（numeric），有丝分裂；11.Class（enum），分类。

数据分析

由/ml/datasets/Breast+Cancer+WiscOnsin+%28Ori-ginal%29得到一组由逗号隔开的数据，复制粘贴至excel表中，选择数据—

—分列——下一步——逗号——完成，该数据是有关乳腺癌数据集，有11个属

性，分别为Samplecodenumbe（r

样本代码)，ClumpThicknes（s

丛厚度），Uniformity

ofCellSize（均匀的细胞大小），UniformityofCellShape（均匀的细胞形状），MarginalAdhesion（边际粘连），SingleEpithelialCellSize（单一的上皮细胞大小），BareNuclei（裸核），BlandChromatin（平淡的染色质），NormalNucleoli

（正常的核仁），Mitoses（有丝分裂），Class（分类），因为复制粘贴过来的数据没有属性，所以手工添加一行属性名。Weka分类数据需把excel保存为一个csv文件。

.csv-.arff

将CSV转换为ARFF最迅捷的办法是使用 WEKA所带的命令行工具。打开weka,之后出现GUI界面，如图1所示：

2

（图1）

点击进入“Exploer”模块，要将.csv 格式转换为 .arff格式，点击openfile...,

打开刚保存的“乳腺癌数据集 .csv”,点击“Save...”,将文件保存为“乳腺癌数据集.csv.arff”如图2所示