数据挖掘实验报告数据准备+关联规则挖掘+分类知识挖掘

数据挖掘实验报告
班级
学号
姓名
课程数据挖掘
实验名称实验一：数据准备实验类型
实验目的：
（1）掌握利用文本编辑软件生成ARFF文件的方法；
（2）掌握将EXCEL表格文件转换为ARFF文件的方法；
（3）掌握数据的预处理方法。

实验要求：
（1）将下列表格中的数据利用文本编辑软件生成ARFF文件：
姓名出生日期性别婚否工资职业信用等级
黄大伟1970.05.08 男3580 教师优秀
李明1964.11.03 男是4850 公务员优秀
张明明1975.03.12 女是职员优秀
覃明勇1981.07.11 男是2980 职员良好
黄燕玲1986.05.08 女否2560 工人一般
表中没有填上的数据为缺失数据。

请列出你编辑ARFF文件并在WEKA中打开该文件。

（2）将EXCEL表格文件“bankdata.xls”转换为ARFF文件的方法,并将它另存为ARFF文件“bankdata.arff”, 在WEKA中打开该文件，写出操作过程。

（3）数值属性的离散化：在WEKA中打开ARFF文件“bankdata.arff”，对属性“age”和“income”分别按等宽分箱和等深分箱进行离散化为三个箱。

给出分箱的结果。

实验结果：
(1) @relation book1
@attribute 姓名{黄大伟,'李明',张明明,覃明勇,黄燕玲}
@attribute 出生日期{1970.05.08,1964.11.03,1975.03.12,1981.07.11,1986.05.08}
@attribute 性别{男,女}
@attribute 婚否{是,否}
@attribute 工资numeric
@data
黄大伟,1970.05.08,男,?,3580
李',1964.11.03,男,是,4850
张明明,1975.03.12,女,是,?
覃明勇,1981.07.11,男,是,2980
黄燕玲,1986.05.08,女,否,2560
（2）先把bankdata.xls转化为CSV文件格式得到bankdata.csv,再在WEKA中打开，再另存为ARFF格式，就可以得到bankdata.arff。

即
由转换为，再转换得
在WEKA中打开如下：
（3）对age按等宽进行离散化分箱如下：
对income进行等深离散化分箱如下：
实验名称实验二：关联规则挖掘实验类型综合性实验
实验目的：
（1）掌握WEKA关联规则挖掘中的数据准备方法。

（2）掌握WEKA关联规则挖掘中的参数设置方法。

（3）掌握关联规则挖掘结果的分析。

实验要求：
（1）将下列事务数据库转换为二元表格形式(以项目作为属性，在某个事务中，该项目出现则取值为yes，不出现则取值为no。

）并生成ARFF文件格式。

Customer Commodities
C1 milk,egg,bread,chips
C2 egg,popcorn,chips,beer
C3 egg,bread,chips
C4 milk,egg,bread,popcorn,chips,beer
C5 milk,bread,beer
C6 egg,bread,beer
C7 milk,bread,chips
C8 milk,egg,bread,butter,chips
C9 milk,egg,butter,chips
（2）选择关联规则算法并设置相关参数。

（3）运行算法，输出频繁项集及强关联规则。

（4）从挖掘结果来看，你发现了什么有兴趣的规则？
实验结果：
（1）
Customer milk egg bread chips popcorn beer butter
c1 yes yes yes yes no no no
c2 no yes no yes yes yes no
c3 no yes yes yes no no no
c4 yes yes yes yes yes yes no
c5 yes no yes no no yes no
c6 no yes yes no no yes no
c7 yes no yes yes no no no
c8 yes yes yes yes no no yes
c9 yes yes no yes no no yes
将文件保存为“yes-no.csv”,在WEKA中打开yes.csv文件,然后save为yes-no.arff即生成ARFF文件格式。

(2) 打开数据文件：用“Explorer”打开“yes-no.arff”后，切换到“Associate”选项卡。

选择算法:默认关联规则分析是用Apriori算法。

点“Choose”按钮在弹出的窗口中可以选择关联规则算法。

参数设置：单击“Choose”按钮右边的文本框会弹出参数设置对话框，可以修改默认的参数，弹出的窗口中点“More”可以看到各参数的说明。

设置如下图：
（3）运行算法
单击“Start”按钮开始关联分析，输出频繁项集及强关联规则。

（4）我发现本来在我们看来毫无联系的事物，经过分析发现它们有着密切联系。

实验名称实验三：分类知识挖掘实验类型综合性实验
实验目的：
（1）掌握利用决策树(C4.5算法)进行分类的方法。

（2）掌握利用朴素贝叶斯分类的方法。

实验要求：
（1）对数据集bankdata.arff利用决策树(C4.5算法)进行分类，给出得出的决策树及分类器的性能评价指标，并利用建立的分类模型对下列表中给出的实例进行分类。

age sex region income married children car save_act current_act mortgage pep
21 MALE TOWN 5014.21 NO 0 YES YES YES YES
42 MALE INNER_CITY 17390.1 YES 0 NO YES YES NO
59 FEMALE RURAL 35610.5 NO 2 YES NO NO NO
45 FEMALE TOWN 26948 NO 0 NO YES YES YES
58 FEMALE TOWN 34524.9 YES 2 YES YES NO NO
30 MALE INNER_CITY 27808.1 NO 3 NO NO YES NO
（2）对数据集bankdata.arff利用朴素贝叶斯分类方法进行分类，给出分类模型的参数及分类器的性能评价指标，并利用建立的分类模型对上表中给出的实例进行分类。

实验结果：(1)
(2)。