智能信息獲取技術實驗指導書(完整版)
【正文】 est set”。（6）看左中的“Test Option”。（2） 切換到“Classify”選項卡。將含有600個實例的“”文件中取出300個實例用做訓練集，在另外300個實例中取50個作為待預測的實例。三、實驗要求熟悉Weka平臺掌握Na239。（4）將“”文件的600條數(shù)據(jù)中前300條數(shù)據(jù)作為訓練數(shù)據(jù)集，并保存為文件。（5）點擊“Choose”右邊的文本框，彈出新窗口為該算法設置各種參數(shù)。（8）右鍵點擊“Results list”剛才出現(xiàn)的那一項，彈出菜單中選擇“Visualize tree”，可以看到可視化結果。七、通過實驗,要求同學在貝葉斯信息獲取實驗中解決以下問題，并遞交完整的實驗報告在數(shù)據(jù)預處理中，通過轉(zhuǎn)換與否的實驗比較,判斷是否一定要把“Children”屬性轉(zhuǎn)換成分類型的兩個值“YES” “NO”。三、實驗要求熟悉Weka平臺掌握關聯(lián)規(guī)則算法對數(shù)據(jù)進行預處理，利用Weka和不同參數(shù)設置進行關聯(lián)分析，對比結果，得出結論，對問題進行總結。我們點擊進入“Simple CLI”模塊提供的命令行功能。彈出的窗口是否能給出實例完成后的可視化結果，如果有，請截圖，并在實驗報告中給出詳解.實驗三一、實驗名稱： 基于聚類分析的信息獲取二、實驗目的：通過一個已有的訓練數(shù)據(jù)集，觀察訓練集中的實例，進行聚類信息獲取，更好地理解和掌握聚類分析算法基本原理，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。（1）將xls格式文件轉(zhuǎn)化為csv格式文件。也可以在左下角“Result list”中這次產(chǎn)生的結果上點右鍵，“View in separate window”在新窗口中瀏覽結果。對于數(shù)值型的屬性，還給出了它在各個簇里的標準差（Std Devs）（3）最后的“Clustered Instances”是各個簇中實例的數(shù)目及百分比。3. 多嘗試幾個seed，給出你建立的模型結果的分析情況4. 分類型的簇中心是它的眾數(shù)（Mode）， 給出在你實驗中的一個眾數(shù)（Mode)數(shù)據(jù),并加以解釋。彈出的窗口給出了各實例的散點圖。也許你得到的數(shù)值會不一樣；實際上如果把“seed”參數(shù)改一下，得到的這個數(shù)值就可能會不一樣。（2）刪去屬性“id”，保存為ARFF格式；用UltraEdit打開bankdata. arff文件, 修改屬性“children”為分類型. 把attribute children numeric改為attribute children {0,1,2,3},然后保存即可，進行相應設置后開始分析。四、實驗平臺新西蘭懷卡托大學研制的Weka系統(tǒng)五、實驗數(shù)據(jù)，數(shù)據(jù)里有12個屬性，分別是id,age,sex,regi
試題試卷相關推薦
鄂ICP備17016276號-1