智能信息獲取技術(shù)實(shí)驗(yàn)指導(dǎo)書(參考版)
2024-08-15 17:07本頁面
【正文】 3. 多嘗試幾個(gè)seed，給出你建立的模型結(jié)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(shí)驗(yàn)中的一個(gè)眾數(shù)（Mode)數(shù)據(jù),并加以解釋。七、通過實(shí)驗(yàn),要求同學(xué)在聚類分析信息獲取實(shí)驗(yàn)中解決以下問題，并遞交完整的實(shí)驗(yàn)報(bào)告1. 在Weka中實(shí)現(xiàn)K均值聚類的數(shù)據(jù)預(yù)處理中：（1）為什么要將children屬性變成分類型？ （2）Weka將自動(dòng)實(shí)施這個(gè)分類型到數(shù)值型的變換是指將這個(gè)分類型的屬性變?yōu)槿舾蓚€(gè)取值0和1的屬性，將這個(gè)變化結(jié)果截圖于PPt中,并進(jìn)行解釋。（5）可以在這里點(diǎn)“Save”把聚類結(jié)果保存成ARFF文件。彈出的窗口給出了各實(shí)例的散點(diǎn)圖。對(duì)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）（3）最后的“Clustered Instances”是各個(gè)簇中實(shí)例的數(shù)目及百分比。（2）接下來“Cluster centroids:”之后列出了各個(gè)簇中心的位置。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(gè)。也許你得到的數(shù)值會(huì)不一樣；實(shí)際上如果把“seed”參數(shù)改一下，得到的這個(gè)數(shù)值就可能會(huì)不一樣。也可以在左下角“Result list”中這次產(chǎn)生的結(jié)果上點(diǎn)右鍵，“View in separate window”在新窗口中瀏覽結(jié)果。下面的“seed”參數(shù)是要設(shè)置一個(gè)隨機(jī)種子，依此產(chǎn)生一個(gè)隨機(jī)數(shù)，用來得到K均值算法中第一次給出的K個(gè)簇中心的位置。點(diǎn)“Choose”按鈕選擇“SimpleKMeans”，這是WEKA中實(shí)現(xiàn)K均值的算法。（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a(bǔ)ttribute children numeric改為attribute children {0,1,2,3},然后保存即可，進(jìn)行相應(yīng)設(shè)置后開始分析。（1）將xls格式文件轉(zhuǎn)化為csv格式文件。這樣得到的數(shù)據(jù)文件為“”，含600條實(shí)例。六、實(shí)驗(yàn)方法和步驟首先對(duì)于原始數(shù)據(jù)做預(yù)處理。四、實(shí)驗(yàn)平臺(tái)新西蘭懷卡托大學(xué)研制的Weka系統(tǒng)五、實(shí)驗(yàn)數(shù)據(jù)，數(shù)據(jù)里有12個(gè)屬性，分別是id,age,sex,region,ine,married,children, car, save_act, current_act, mortgage,。彈出的窗口是否能給出實(shí)例完成后的可視化結(jié)果，如果有，請(qǐng)截圖，并在實(shí)驗(yàn)報(bào)告中給出詳解.實(shí)驗(yàn)三一、實(shí)驗(yàn)名稱： 基于聚類分析的信息獲取二、實(shí)驗(yàn)?zāi)康模和ㄟ^一個(gè)已有的訓(xùn)練數(shù)據(jù)集，觀察訓(xùn)練集中的實(shí)例，進(jìn)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(yīng)的預(yù)測(cè)模型
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1