智能信息獲取技術實驗指導書(存儲版)
【正文】 sociate項中的Apriori算法分析進行關聯信息獲取，并進行參數設置，七、通過實驗,要求同學在關聯規(guī)則信息獲取實驗中解決以下問題，并遞交完整的實驗報告1. 對于非xls格式的數據如何轉換成ARFF數據類型?請給出你了解到的幾種數據類型到ARFF的轉換方式?2. 在算法出來的lift排前1的規(guī)則中,如: 1. age=52_max save_act=YES current_act=YES 113 == ine=43759_max 61 這樣得到的數據文件為“”，含600條實例。下面的“seed”參數是要設置一個隨機種子，依此產生一個隨機數，用來得到K均值算法中第一次給出的K個簇中心的位置。（2）接下來“Cluster centroids:”之后列出了各個簇中心的位置。七、通過實驗,要求同學在聚類分析信息獲取實驗中解決以下問題，并遞交完整的實驗報告1. 在Weka中實現K均值聚類的數據預處理中：（1）為什么要將children屬性變成分類型？ （2）Weka將自動實施這個分類型到數值型的變換是指將這個分類型的屬性變?yōu)槿舾蓚€取值0和1的屬性，將這個變化結果截圖于PPt中,并進行解釋。（5）可以在這里點“Save”把聚類結果保存成ARFF文件。例如我們讓“seed”取100，就得到 Within cluster sum of squared errors: , 這樣就選擇后面這個。點“Choose”按鈕選擇“SimpleKMeans”，這是WEKA中實現K均值的算法。六、實驗方法和步驟首先對于原始數據做預處理。2）txt換成ARFF格式用excel打開用table鍵分開的txt文件,在用wekaviewer打開,另存為arff。 我們選擇Explorer進行實驗。請在實驗報告中詳解的參數設置情況。右邊顯示結果的區(qū)域中會增加一些內容，告訴你該模型應用在這個數據集上表現將如何。我們沒有專門設置檢驗數據集，為了保證生成的模型的準確性而不至于出現過擬合（overfitting）的現象，我們有必要采用10折交叉驗證（10fold cross validation）來選擇和評估模型，選上“Crossvalidation”并在“Folds”框填上“10”。（3）點擊“Choose”按鈕后可以看到很多分類或者回歸的算法分門別類的列在一個樹型框里。本測試集中將pep屬性作為分類的目標類別，因此將其設為缺失值．缺失值用？表示。ve Bayes的信息獲取二、實驗目的：通過一個已有的訓練數據集，觀察訓練集中的實例，建立Bayes網絡的預測模型，更好地理解和掌握Bayes算法的基本原理，建立相應的預測模型，然后對新的未知實例進行預測，預測的準確程度來衡量所建立模型的好壞。（3）把“Ch
試題試卷相關推薦
鄂ICP備17016276號-1