數(shù)據(jù)挖掘weka實(shí)驗(yàn)報(bào)告(編輯修改稿)
2024-08-31 00:02 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 l balance (numeric)，資金交易金額；l fares (numeric)，交易手續(xù)費(fèi)；l fares_type(enum)，手續(xù)費(fèi)類(lèi)型，取值范圍“全額結(jié)算”/“凈額結(jié)算”；l internet_shares (numeric)，網(wǎng)上交易基金份額；l internet_balance (numeric) ，網(wǎng)上交易資金金額；l remark(character)，備注；三、數(shù)據(jù)分析我們給出一個(gè)CSV文件的例子（）。用UltraEdit打開(kāi)它可以看到，這種格式也是一種逗號(hào)分割數(shù)據(jù)的文本文件,儲(chǔ)存了一個(gè)二維表格。Excel的XLS文件可以讓多個(gè)二維表格放到不同的工作表（Sheet）中，我們只能把每個(gè)工作表存成不同的CSV文件。打開(kāi)一個(gè)XLS文件并切換到需要轉(zhuǎn)換的工作表，另存為CSV類(lèi)型，點(diǎn)“確定”、“是”忽略提示即可完成操作。需要注意的是，Matllab給出的CSV文件往往沒(méi)有屬性名（Excel給出的也有可能沒(méi)有）。而WEKA必須從CSV文件的第一行讀取屬性名，否則就會(huì)把第一行的各屬性值讀成變量名。因此我們對(duì)于Matllab給出的CSV文件需要用UltraEdit打開(kāi)，手工添加一行屬性名。注意屬性名的個(gè)數(shù)要跟數(shù)據(jù)屬性的個(gè)數(shù)一致，仍用逗號(hào)隔開(kāi)。.csv .arff將CSV轉(zhuǎn)換為ARFF最迅捷的辦法是使用WEKA所帶的命令行工具。運(yùn)行WEKA的主程序，出現(xiàn)GUI后可以點(diǎn)擊下方按鈕進(jìn)入相應(yīng)的模塊。我們點(diǎn)擊進(jìn)入“Simple CLI”模塊提供的命令行功能。由于weka暫不支持中文輸入，所以挑選了在D盤(pán)下進(jìn)行轉(zhuǎn)換，在新窗口的最下方（上方是不能寫(xiě)字的）輸入框?qū)懮蟡ava D:/ D:/ 即可完成轉(zhuǎn)換，生成文件“D:/”。見(jiàn)下圖5： 圖5進(jìn)入“Exploer”模塊，從上方的按鈕中打開(kāi)CSV文件然后另存為ARFF文件亦可。我們應(yīng)該注意到，“Exploer”還提供了很多功能，實(shí)際上可以說(shuō)這是WEKA使用最多的模塊?，F(xiàn)在我們先來(lái)熟悉它的界面，然后利用它對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。界面展現(xiàn)見(jiàn)下圖6：圖中顯示的是使用“Exploer”打開(kāi)“”的情況。 圖6預(yù)處理通常對(duì)于WEKA來(lái)說(shuō)并不支持中文，所以我們將一些涉及中文的字段刪除。勾選屬性“fund_name”、“pany”、“business_name”、“remark”，并點(diǎn)擊“Remove”。將新的數(shù)據(jù)集保存一次。其中“fares_type”只有2個(gè)取值：全額結(jié)算和凈額結(jié)算。這時(shí)我們?cè)赨ltraEdit中直接修改ARFF文件，把@attribute fares_type {全額結(jié)算，凈額結(jié)算}改為@attribute fares_type {Full，Net}@attribute date ｛numeric｝改為@attribut date {2009/8/24,2009/8/25,2009/8/26,2009/8/27,2009/8/28 }就可以了。在“Explorer”中重新打開(kāi)“”，選中“date”和“fund_type”，看到屬性已經(jīng)變成“Nominal”了。WEKA支持的datatype有四種，分別是：numeric數(shù)值型，nominalspecification分類(lèi)（nominal）型，string字符串型，date [dateformat]日期和時(shí)間型 而本表只有nemeric和nominal兩種類(lèi)型，數(shù)值屬性（nemeric） 數(shù)值型屬性可以是整數(shù)或者實(shí)數(shù)，但WEKA把它們都當(dāng)作實(shí)數(shù)看待。分類(lèi)屬性（nominal） 分類(lèi)屬性由nominalspecification列出一系列可能的類(lèi)別名稱(chēng)并放在花括號(hào)中：{nominal name1, nominalname2, ...} 。數(shù)據(jù)集中該屬性的值只能是其中一種類(lèi)別。如果類(lèi)別名稱(chēng)帶有空格，仍需要將之放入引號(hào)中?！皊hares”，“banlance”，“fares”，“internet_shares”和“internet_banlance”的離散化我們需要借助WEKA中名為“Discretize”的Filter來(lái)完成。在區(qū)域2中點(diǎn)“Choose”，出現(xiàn)一棵“Filter樹(shù)”，逐級(jí)找到“”，點(diǎn)擊。若無(wú)法關(guān)閉這個(gè)樹(shù)，在樹(shù)之外的地方點(diǎn)擊“Explorer”面板即可?，F(xiàn)在“Choose”旁邊的文本框應(yīng)該顯示“Discretize B 10 M R firstlast”。 點(diǎn)擊這個(gè)文本框會(huì)彈出新窗口以修改離散化的參數(shù)。我們不打算對(duì)所有的屬性離散化，只是針對(duì)對(duì)第4，5，6，8，9個(gè)，故把a(bǔ)ttributeIndices右邊改成“4，5，6，8，9”。我們把這兩個(gè)屬性都分成10段，于是把“bins”改成“10”。其它不變。點(diǎn)“OK”回到“Explorer”，可以看到“shares”，“banlance”，“fares”，“internet_shares”和“internet_banlance”已經(jīng)被離散化成分類(lèi)型的屬性。同時(shí)我們可以用UltraEdit打開(kāi)保存后的ARFF文件，把所有的類(lèi)似“39。\39。(]\39。39?！碧鎿Q成“”。其它標(biāo)識(shí)做類(lèi)似地手動(dòng)替換。經(jīng)刪減后，保留date、shares、bal
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1