數(shù)據(jù)挖掘weka實(shí)驗(yàn)報(bào)告-文庫吧
2025-07-20 00:02 本頁面
【正文】 效果最好的那一組屬性。Explorer是普通用戶最常用的一個(gè)界面。用戶可以從ARFF文件(Weka使用的一種文本文件格式)、網(wǎng)頁或數(shù)據(jù)庫中讀取數(shù)據(jù)集。打開數(shù)據(jù)文件后，可以選擇算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。這時(shí)窗體上給出了這個(gè)數(shù)據(jù)集的一些基本特征，如含有多少屬性，各屬性的一些簡(jiǎn)單統(tǒng)計(jì)量，右下方還給出一些可視化效果圖。這些都是比較直觀的分析，如果想發(fā)現(xiàn)隱藏在數(shù)據(jù)集背后的關(guān)系，還需要選擇Weka提供的各種分類、聚類或關(guān)聯(lián)規(guī)則的算法。所有設(shè)置完成后，點(diǎn)擊Start按鈕，就可以安心地等待weka帶來最終的結(jié)果。哪些結(jié)果是真正有用的還要靠經(jīng)驗(yàn)來判斷。（2）Experimenter 運(yùn)行算法試驗(yàn)、管理算法方案之間的統(tǒng)計(jì)檢驗(yàn)的環(huán)境。Experiment環(huán)境可以讓用戶創(chuàng)建，運(yùn)行，修改和分析算法試驗(yàn)，這也許比單獨(dú)的分析各個(gè)算法更加方便。例如，用戶可創(chuàng)建一次試驗(yàn)，在一系列數(shù)據(jù)集上運(yùn)行多個(gè)算法（schemes），然后分析結(jié)果以判斷是否某個(gè)算法比其他算法（在統(tǒng)計(jì)意義下）更好。Explorermenter主要包括簡(jiǎn)單模式，復(fù)雜模式和遠(yuǎn)程模式。復(fù)雜模式是對(duì)簡(jiǎn)單模式的基本功能的擴(kuò)充，而遠(yuǎn)程模式允許我們通過分布式的方法進(jìn)行實(shí)驗(yàn)。就功能模塊而言，分為設(shè)置模塊，運(yùn)行模塊和分析模塊。在設(shè)置模塊中我們可以自定義實(shí)驗(yàn)，加入多個(gè)算法和多方的源數(shù)據(jù)（支持ARFF文件，CSV文件和數(shù)據(jù)庫），在運(yùn)行模塊中我們可以運(yùn)行我們的實(shí)驗(yàn)，而在分析模塊中，我們可以分析各種算法的的準(zhǔn)確性，并提供了各種統(tǒng)計(jì)方法對(duì)結(jié)果進(jìn)行檢驗(yàn)比較。值得一提的是，我們可以把實(shí)驗(yàn)的各種參數(shù)，包括算法，數(shù)據(jù)集等，保存以方便下一次相同實(shí)驗(yàn)的進(jìn)行；也可以把各種算法保存，方便應(yīng)用在不同的數(shù)據(jù)集上；如果數(shù)據(jù)集來源于數(shù)據(jù)庫的話，實(shí)驗(yàn)在過程中可以中止并繼續(xù)（原因可以是被中止或者是擴(kuò)展了實(shí)驗(yàn)），這樣就不用重新運(yùn)行那些已實(shí)驗(yàn)過的算法/數(shù)據(jù)集祝賀，而僅計(jì)算還沒有被實(shí)驗(yàn)的那些。（2）KnowledgeFlow Explorer的一個(gè)不足在于，當(dāng)用戶打開一個(gè)數(shù)據(jù)集時(shí)，所有數(shù)據(jù)將全部被讀入到主存當(dāng)中，隨著任務(wù)規(guī)模的增大，普通配置的計(jì)算機(jī)很難滿足要求。Knowledge Flow提供了一個(gè)用于處理大型數(shù)據(jù)集的遞增算法，專門處理這一問題。這個(gè)環(huán)境本質(zhì)上和 Explorer所支持的功能是一樣的，但是它有一個(gè)可以拖放的界面。它有一個(gè)優(yōu)勢(shì)，就是支持增量學(xué)習(xí)（incremental learning）。KnowledgeFlow 為WEKA 提供了一個(gè)＂數(shù)據(jù)流＂形式的界面。用戶可以從一個(gè)工具欄中選擇組件，把它們放置在面板上并按一定的順序連接起來，這樣組成一個(gè)＂知識(shí)流＂（knowledge flow）來處理和分析數(shù)據(jù)。目前，所有的WEKA 分類器（classifier）、篩選器（filter）、聚類器（clusterer）、載入器（loader）、保存器（saver），以及一些其他的功能可以在KnowledgeFlow 中使用。KnowledgeFlow 可以使用增量模式（incrementally）或者批量模式（inbatches）來處理數(shù)據(jù)（Explorer 只能使用批量模式）。當(dāng)然對(duì)數(shù)據(jù)進(jìn)行增量學(xué)習(xí)要求分類器能夠根據(jù)各實(shí)例逐個(gè)逐個(gè)的更新．現(xiàn)在WEKA 中有五個(gè)分類器能夠增量地處理數(shù)據(jù)：NaiveBayesUpdateable，IB1，IBk，LWR（局部加權(quán)回歸）。還有一個(gè)meta 分類器RacedIncrementalLogitBoost 可以使用任意基于回歸的學(xué)習(xí)器來增量地學(xué)習(xí)離散的分類任務(wù)。（4）SimpleCLI提供了一個(gè)簡(jiǎn)單的命令行界面，能通過鍵入文本命令的方式來實(shí)現(xiàn)其他三個(gè)用戶界面所提供的所有功能，從而可以在沒有自帶命令行的操作系統(tǒng)中直接執(zhí)行 WEKA 命令。使用命令行有兩個(gè)好處：一個(gè)是可以把模型保存下來，這樣有新的待預(yù)測(cè)數(shù)據(jù)出現(xiàn)時(shí)，不用每次重新建模，直接應(yīng)用保存好的模型即可。另一個(gè)是對(duì)預(yù)測(cè)結(jié)果給出了置信度，我們可以有選擇的采納預(yù)測(cè)結(jié)果，例如，只考慮那些置信度在85%以上的結(jié)果。二、實(shí)驗(yàn)案例介紹 本文用WEKA 軟件作為工具，結(jié)合券商的基金某一個(gè)時(shí)段交易業(yè)務(wù)數(shù)據(jù)進(jìn)行分析。實(shí)驗(yàn)的數(shù)據(jù)是一個(gè)交易周的基金交易業(yè)務(wù)數(shù)據(jù)。該表含有date(日期)、fund_code(基金代碼)、fund_name（基金名稱）、pany_code(基金公司代碼)、pany（基金公司名稱）、business_code（業(yè)務(wù)代碼）、business_name（業(yè)務(wù)名稱）、shares（基金份額）、balance(資金金額)、fares（手續(xù)費(fèi)）、fares_type（手續(xù)費(fèi)類型）、internet_shares（網(wǎng)上交易基金份額）、internet_balance（網(wǎng)上交易資金金額）、remark（備注）等字段，通過實(shí)驗(yàn)，希望能找出客戶的基金交易分布情況。該數(shù)據(jù)的數(shù)據(jù)屬性如下：l date (numeric)，交易發(fā)生日期；l fund_code (numeric)，基金代碼；l fund_name (character)，基金名稱；l pany_code (numeric)，用于報(bào)送的基金公司代碼；l pany (character)，所屬的基金公司；l business_code (numeric) ，交易業(yè)務(wù)代碼； l business_name (character)，交易業(yè)務(wù)名稱；l shares (numeric)，基金交易份額；
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1