數(shù)據(jù)挖掘課設(shè)報告-全文預(yù)覽
【正文】 短，對數(shù)據(jù)進(jìn)行挖掘才能得到滿意的結(jié)果。執(zhí)行分析節(jié)點，得到分析結(jié)果。當(dāng)腿的數(shù)量等于4時，再看它是否有hair,如果有，則直接屬于type1，不用考慮其他因素，如果沒有hair,則看它收否有aquatic,如果沒有則直接屬于type3,如果有aquatic,再看它是否有toothed,如果沒有，則屬于type7,如果有，則屬于type5。 當(dāng)feathers為有時，則直接屬于type2，不用考慮其他因素，如果無feathers,則直接屬于type1。R樹】的【構(gòu)建選項】選項卡（六） 【CHAID】的【構(gòu)建選項】選項卡（一） 【CHAID】的【構(gòu)建選項】選項卡（二） 【CHAID】的【構(gòu)建選項】選項卡（三） 【CHAID】的【構(gòu)建選項】選項卡（四） 【CHAID】的【構(gòu)建選項】選項卡（五） (2)建立的數(shù)據(jù)流如圖所示： 動物分類的數(shù)據(jù)流 ：：CART算法分析結(jié)果的文字形式如下圖：CART算法分析結(jié)果的圖形形式如下圖：CHAID算法分析結(jié)果的文字形式如下圖：CHAID算法分析結(jié)果的圖形形式如下圖： （1） 該模型找出了10個影響因素:feathers,tail,backbone,milk,fins,legs,predator,airborne其中feathers是最重要的屬性，其中l(wèi)egs,predator,fins是不重要的屬性。R樹】的【構(gòu)建選項】選項卡（一） 【Camp。 (1)在【建?！窟x項卡中選擇【】、【Camp。如果幾個變量的分類均顯著，則比較這些分類的顯著程度（P值的大?。?，然后選擇最顯著的分類法作為子節(jié)點。還可以指定重量和頻率領(lǐng)域。InteractionCART算法經(jīng)常采用事后剪枝方法：該方法是通過在完全生長的樹上剪去分枝實現(xiàn)的，通過刪除節(jié)點的分支來剪去樹節(jié)點。因此，CART算法生成的決策樹是結(jié)構(gòu)簡潔的二叉樹。最后，重新緝拿眼最低層次的拆分，哪些對模型值沒有顯著貢獻(xiàn)的樣本子集被提出或者修剪。 【平衡】的【設(shè)置】選項卡 在輸出選項卡中選擇【表】節(jié)點，連接到【平衡】節(jié)點，執(zhí)行【表】節(jié)點生成平衡處理后的數(shù)據(jù)表，如下圖：【表】節(jié)點的輸出結(jié)果4 建立決策樹模型 ，CART,CHAID三種算法建立模型： ，CART,CHAID算法介紹 （1）：，79年由J R Quinlan發(fā)展，并提出了ID3算法，主要針對離散型屬性數(shù)據(jù)，其后又不斷的改進(jìn)，它在ID3基礎(chǔ)上增加了隊連續(xù)屬性的離散化。從數(shù)值型變量的柱形圖可以看出屬于type1的數(shù)量最多。執(zhí)行節(jié)點生成數(shù)據(jù)表。在瀏覽數(shù)據(jù)時發(fā)現(xiàn)兩個錯誤項，數(shù)據(jù)中有兩個frog和一個gril，則刪除一個frog和gril。s Guide. 將數(shù)據(jù)讀入Modeler中。16. domestic: Boolean12. venomous: Boolean8. predator: Boolean4. eggs: Boolean6 (8) flea, gnat, honeybee, housefly, ladybird, moth, termite, wasp2 (20) chicken, crow, dove, duck, flamingo, gull, hawk, kiwi, lark, ostrich, parakeet, penguin, pheasant, rhea, skimmer, skua, sparrow, swan, vulture, wrenNottingham NG3 5DXDonor:該數(shù)據(jù)是收集的動物園中99種動物的特征，包括hair，feathers ，eggs，milk，airborne，aquatic ，Predator，toothed，backbone，breathes，venomous，fins，legs，tail，domestic，catsize 。它是從實例集中構(gòu)造決策樹，是一種有指導(dǎo)的學(xué)習(xí)方法。數(shù)據(jù)挖掘是通過分析每個數(shù)據(jù)，從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，主要有數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示3個步驟。據(jù)國外專家預(yù)測，隨著數(shù)據(jù)量的日益積累和計算機的廣泛應(yīng)用，在今后的5—10年內(nèi)，數(shù)據(jù)挖掘?qū)⒃谥袊纬梢粋€新型的產(chǎn)業(yè)。它是根據(jù)人們的特定要求，從浩如煙海的數(shù)據(jù)中找出所需的信息來，供人們的特定需求使用。數(shù)據(jù)挖掘可以與用戶或知識庫交互。最為典型的分類方法是基于決策樹的分類方法。最終結(jié)果是一棵樹，其葉結(jié)點是類名，中間結(jié)點是帶有分枝的屬性，該分枝對應(yīng)該屬性的某一可能值。2 數(shù)據(jù)理解該數(shù)據(jù)集是從UCI網(wǎng)站上獲得的一份關(guān)于動物園的動物的數(shù)據(jù)。Richard ForsythMapperley Park1 (41) aardvark, antelope, bear, boar, buffalo, calf, cavy, cheetah, deer, dolphin, elephant, fruitbat, giraffe, girl, goat, gorilla, hamster, hare, leopard, lion, lynx, mink, mole, mongoose, opossum, oryx, platypus, polecat, pony, porpoise, puma, pussycat, raccoon, reindeer, seal, sealion, squirrel, vampire, vole, wallaby,wolf5 (4) frog, frog, newt, toad3. feathers: Boolean7. aquatic: Boolean11. breathes: Boolean15. tail: Booleans PC/BEAGLE User39。執(zhí)行該節(jié)點生成數(shù)據(jù)表。 【類型】節(jié)點的參數(shù) 在輸出選項卡中選擇數(shù)據(jù)審核節(jié)點，添加到數(shù)據(jù)流中。數(shù)據(jù)顯示，legs最大值與最小值差距較大。 【重新分類】的【設(shè)置】選項卡 在輸出選項卡中選擇【表】節(jié)點，連接到【重新分類】節(jié)點，執(zhí)行【表】節(jié)點生成重新分類后的數(shù)據(jù)表，如下： 【表】節(jié)點的輸出結(jié)果 觀察數(shù)據(jù)發(fā)現(xiàn)，屬
研究報告相關(guān)推薦
鄂ICP備17016276號-1