数据仓库与数据挖掘实验指导书王浩畅资料

数据仓库与数据挖掘

实

验

指

导

书

东北石油大学计算机与信息技术系

王浩畅

实验一Weka实验环境初探

一、实验名称:

Weka实验环境初探

二、实验目的：

通过一个已有的数据集，在weka环境下，测试常用数据挖掘算法，熟悉Weka 环境。

三、实验要求

1.熟悉weka的应用环境。

2.了解数据挖掘常用算法。

3.在weka环境下，测试常用数据挖掘算法。

四、实验平台

新西兰怀卡托大学研制的Weka系统

五、实验数据

Weka安装目录下data文件夹中的数据集weather.nominal.arff，weather.arff

六、实验方法和步骤

1、首先，选择数据集weather.nominal.arff，操作步骤为点击Explorer，进入主界面，点击左上角的“Open file...”按钮，选择数据集weather.nominal.arff文件，该文件中存储着表格中的数据，点击区域2中的“Edit”可以看到相应的数据：

选择上端的Associate选项页，即数据挖掘中的关联规则挖掘选项，此处要做的是从上述数据集中寻找关联规则。点击后进入如下界面：

2、现在打开weather.arff，数据集中的类别换成数字。

选择上端的Associate选项页，但是在Associate选项卡中Start按钮为灰色的，也就是说这个时候无法使用Apriori算法进行规则的挖掘，原因在于Apriori算法不能应用于连续型的数值类型。所以现在需要对数值进行离散化，就是类似于将20-30℃划分为“热”，0-10℃定义为“冷”，这样经过对数值型属性的离散化，就可以应用Apriori算法了。Weka提供了良好的数据预处理方法。第一步：选择要预处理的属性temperrature

从中可以看出，对于“温度”这一项，一共有12条不同的内容，最小值为64（单位：华氏摄氏度，下同），最大值为85，选择过滤器“choose”按钮，或者在同行的空白处点击一下，即可弹出过滤器选择框，逐级找到“Weka.filters.unsupervised.attribute.Discretize”，点击；若无法关闭这个树，在树之外的地方点击“Explorer”面板即可。

现在“Choose”旁边的文本框应该显示“Discretize -B 10 -M -0.1 -R first-last”。点击这个文本框会弹出新窗口以修改离散化的参数。

因为这里不打算对所有的属性离散化，只是针对对第2个和第3个属性，故把attributeIndices右边改成“2,3”。计划把这两个属性都分成3段，于是把“bins”改成“3”。其它文本框里的值不用更改，关于这些参数的意义可以点击“More”查看。点“OK”回到“Explorer”，可以看到“temperature”和“humidity”已经被离散化成为分类型的属性。若想放弃离散化可以点“Undo”。

可以看到temperature属性信息如下显示：

Humidity属性变成如下样式：

3、在Classify，Cluster，Associate选项中分别尝试不同算法。

七、通过实验,掌握Weka的使用

实验二基于关联规则的信息获取

一、实验名称：

基于关联规则的信息获取

二、实验目的：

通过一个已有的训练数据集，观察训练集中的实例，进行关联信息获取，更

好地理解和掌握关联规则算法的基本原理，建立相应的预测模型，然后对新的未

知实例进行预测，预测的准确程度来衡量所建立模型的好坏。

三、实验要求

1、熟悉Weka平台

2、掌握关联规则算法

3、对数据进行预处理，利用Weka和不同参数设置进行关联分析，对比结果，

得出结论，对问题进行总结。

四、实验平台

新西兰怀卡托大学研制的Weka系统

五、实验数据

1、使用银行对资产进行评估的数据bank-data.arf，数据里有12个属性，

分别是id,age,sex,region,income,married,children, car, save_act, current_act, mortgage,pep.共600个实例。

六、实验方法和步骤

1、打开WEKA界面如下：界面中有四个选择Simple CLC, Explorer, Experimenter, KnowledgeFlow。我们选择Explorer进行实验。

文件格式转化为ARFF的方式。

2、选择Explorer选项，选择Open file打开bank-data.arff数据，打开

可以看见数据中的属性，选择属性从右边可以看到它的取值范围1）CSV换成ARFF格式

将CSV转换为ARFF最迅捷的办法是使用WEKA所带的命令行工具。运行

WEKA的主程序，出现GUI后可以点击下方按钮进入相应的模块。我们点

击进入“Simple CLI”模块提供的命令行功能。在新窗口的最下方（上方

是不能写字的）输入框写上

java weka.core.converters.CSVLoader filename.csv > filename.arff 即可完成转换。

在WEKA 3.5中提供了一个“Arff Viewer”模块，我们可以用它打开一个

CSV文件将进行浏览，然后另存为ARFF文件。

进入“Explorer”模块，从上方的按钮中打开CSV文件然后另存为ARFF

文件亦可。

3、进行数据过滤，选择Filter中的Discretize方法，点击Apply，先对ARFF

文件进行离散化：用UltraEdit（或者其它文本编辑器）对其进行编辑：

@attribute children numeric改为：

@attribute children {0,1,2,3} 然后用discretize算法对age和income 离散化，并删掉id项因为它对关联规则分析无影响，保存文件。

4、选择Associate项中的Apriori算法分析进行关联信息获取，并进行参数

设置。

七、通过实验,要求同学在关联规则信息获取实验中解决以下问题，并递交完整的实验报告

1.对于非xls格式的数据如何转换成ARFF数据类型?请给出你了解到的几种

数据类型到ARFF的转换方式?

2. 在算法出来的lift排前1的规则中,如: 1.

age=52_max save_act=YES current_act=YES 113 ==> income=43759_max 61conf:(0.54) < lift:(4.05)> lev:(0.08) [45] conv:(1.85)

请说明其中113、 61、conf:(0.54)都表示什么含义？