用weka進(jìn)行數(shù)據(jù)挖掘畢業(yè)設(shè)計(jì)論文)word格式-資料下載頁
2025-08-07 12:02本頁面
【正文】 se,false,insecttoad,false,false,true,false,false,true,false,true,true,true,false,false,4,false,false,false,amphibiantortoise,false,false,true,false,false,false,false,false,true,true,false,false,4,true,false,true,reptiletuatara,false,false,true,false,false,false,true,true,true,true,false,false,4,true,false,false,reptiletuna,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,true,fishvampire,true,false,false,true,true,false,false,true,true,true,false,false,2,true,false,false,mammalvole,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,false,mammalvulture,false,true,true,false,true,false,true,false,true,true,false,false,2,true,false,true,birdwallaby,true,false,false,true,false,false,false,true,true,true,false,false,2,true,false,true,mammalwasp,true,false,true,false,true,false,false,false,false,true,true,false,6,false,false,false,insectwolf,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalworm,false,false,true,false,false,false,false,false,false,true,false,false,0,false,false,false,invertebratewren,false,true,true,false,true,false,false,false,true,true,false,false,2,true,false,false,bird%%%數(shù)據(jù)預(yù)處理：一開始從網(wǎng)上下到的數(shù)據(jù)只有單純的六百條記錄，沒有屬性的劃分WEKA不能讀出。因此在數(shù)據(jù)中添加了如下語句：@relation Synthetic_control3@attribute 39。a139。 nominal@data從而使軟件能夠正確地識別數(shù)據(jù)記錄及其屬性。 Kmeans算法原理K均值算法以k為輸入?yún)?shù)，把n個(gè)對象的集合分成k個(gè)簇，使得結(jié)果內(nèi)的相似程度最高，而簇間的相似程度低。簇的相似度是關(guān)于簇中對象的舉止度量?？梢钥醋鞔氐馁|(zhì)心。K均值算法的處理流程如下。首先，隨機(jī)地選擇k個(gè)對象，每一個(gè)對象代表一個(gè)簇的初始均值或者中心。對剩余的每一個(gè)對象，根據(jù)其與各個(gè)簇均值的距離，把它指派到最相似的簇。然后計(jì)算每一個(gè)簇新的均值。這個(gè)過程不斷重復(fù)，知道準(zhǔn)則函數(shù)收斂。其中準(zhǔn)則函數(shù)定義如下：其中，E是數(shù)據(jù)集所有對象的平方誤差和，P是空間中的點(diǎn)，表示給定對象，是簇的均值。算法描述：輸入：聚類個(gè)數(shù)k，以及包含 n個(gè)數(shù)據(jù)對象的數(shù)據(jù)庫。輸出：滿足方差最小標(biāo)準(zhǔn)的k個(gè)聚類。處理流程： (1) 從 n個(gè)數(shù)據(jù)對象任意選擇 k 個(gè)對象作為初始聚類中心；(2) 循環(huán)(3)到(4)直到每個(gè)聚類不再發(fā)生變化為止(3) 根據(jù)每個(gè)聚類對象的均值（中心對象），計(jì)算每個(gè)對象與這些中心對象的距離；并根據(jù)最小距離重新對相應(yīng)對象進(jìn)行劃分；(4) 重新計(jì)算每個(gè)（有變化）聚類的均值（中心對象）kmeans 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個(gè)“中心對象”（引力中心）來進(jìn)行計(jì)算的。 SimpleKMeans算法KMeans 算法是應(yīng)用最為廣泛的聚類算法。SimpleKMeans算法是KMeans算法中最為簡單的一種，也是在Weka軟件中集成的一個(gè)算法，本次大作業(yè)中，我在Weka中，利用SimpleKMeans算法對數(shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘，主要是由于SimpleKMeans算法有KMeans算法應(yīng)用廣泛，具有代表性的特性，同時(shí)它有事一種最為簡單的kmeans算法，更加容易我們掌握，因此，此次我選擇該算法作為我對zoo這一數(shù)據(jù)集進(jìn)行聚類分析的原因。利用WEKA對Synthetic Control Chart數(shù)據(jù)集進(jìn)行聚類，如下圖： 。在Proprocess選項(xiàng)卡，點(diǎn)擊open files,即可導(dǎo)入數(shù)據(jù)集，，應(yīng)該要做一下轉(zhuǎn)換。導(dǎo)入數(shù)據(jù)集：，所以不需要再進(jìn)行處理，可以直接進(jìn)行聚類分析。選擇Cluster,進(jìn)入聚類操作的界面，點(diǎn)擊chooose，在彈出的樹形列表中可以選擇要使用的聚類算法，再此我們使用Simlkmeans，點(diǎn)擊choose右邊的方框，在彈出的對話框中設(shè)著聚類的相關(guān)參數(shù)。截圖如下：設(shè)置參數(shù)如下：點(diǎn)擊start就可以開始進(jìn)行聚類了4. 聚類結(jié)果分析Number of interations :2表明總共的迭代次數(shù)是2Cluster centroids:之后列出了各個(gè)簇中心的位置。對于數(shù)值型的屬性，簇中心就是它的均值（Mean）；分類型的就是它的眾數(shù)（Mode）， 也就是說這個(gè)屬性上取值為眾數(shù)值的實(shí)例最多。對于數(shù)值型的屬性，還給出了它在各個(gè)簇里的標(biāo)準(zhǔn)差（Std Devs）。 Clustered Instances：是各個(gè)簇中實(shí)例的數(shù)目及百分比。為了觀察可視化的聚類結(jié)果，在左下方“Result list”列出的結(jié)果上右擊，點(diǎn)“Visualize cluster assignments”。彈出的窗口給出了各實(shí)例的散點(diǎn)圖。可以看到如下圖的可視化結(jié)果：同樣是SimpeKMeans算法，選擇種子的數(shù)目不一樣的時(shí)候，squared errors的值也會(huì)不一樣，越小說明結(jié)果越精確。Seed為100時(shí)： seed為50時(shí)：Seed為15時(shí)：3結(jié)論通過本次作業(yè)，一方面，深入地了解了SimpleKMeans算法的基本原理、使用范圍、不足等。另一方面，學(xué)習(xí)了Weka的用法。包括各種挖掘工具以及結(jié)果的含義。在完成本次作業(yè)的過程中，我對Weka的用法有了一個(gè)比較基本的了解，在這次用SimpleKMeans算法進(jìn)行數(shù)據(jù)挖掘聚類分析的時(shí)候，通過聚類的結(jié)果更加明確了該算法的用途。后來，我又對另外一個(gè)Nominal的數(shù)據(jù)集進(jìn)行了關(guān)聯(lián)規(guī)則挖掘，發(fā)現(xiàn)了屬性之間的關(guān)聯(lián)。在完成本次大作業(yè)的過程中，我也遇到了許多的困難，碰到了許多的不明白的問題，但通過和同學(xué)之間的討論以及搜索資料，最終，問題迎刃而解。通過完成這次大作業(yè)，培養(yǎng)了我獨(dú)立學(xué)習(xí)和完成任務(wù)的能力，也激發(fā)了我對數(shù)據(jù)挖掘這一課程的學(xué)習(xí)興趣。以后在課余時(shí)間，我仍會(huì)努力學(xué)習(xí)這一領(lǐng)域的知識。[1].Jiawei Han Micheline Kamber .數(shù)據(jù)挖掘概念與技術(shù).().[2]. 王娜譯. WEKA 355 Explorer 用戶指南[3]. WEKA入門教程[4].
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1