基于weka的數(shù)據(jù)分類分析實(shí)驗(yàn)報(bào)告

1、數(shù)據(jù)挖掘?qū)嶒?yàn)報(bào)告xxx2010210304831基于基于weka的數(shù)據(jù)分類分析實(shí)驗(yàn)的數(shù)據(jù)分類分析實(shí)驗(yàn)報(bào)告報(bào)告1實(shí)驗(yàn)基本內(nèi)容實(shí)驗(yàn)基本內(nèi)容本實(shí)驗(yàn)的基本內(nèi)容是通過使用weka中的三種常見分類方法（樸素貝葉斯，KNN和決策樹C4.5）分別在訓(xùn)練數(shù)據(jù)上訓(xùn)練出分類模型，并使用校驗(yàn)數(shù)據(jù)對(duì)各個(gè)模型進(jìn)行測(cè)試和評(píng)價(jià)，找出各個(gè)模型最優(yōu)的參數(shù)值，并對(duì)三個(gè)模型進(jìn)行全面評(píng)價(jià)比較，得到一個(gè)最好的分類模型以及該模型所有設(shè)置的最優(yōu)參數(shù)。最后使用這些參數(shù)以及訓(xùn)練集和校驗(yàn)集

2、數(shù)據(jù)一起構(gòu)造出一個(gè)最優(yōu)分類器，并利用該分類器對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)。2數(shù)據(jù)的準(zhǔn)備及預(yù)處理數(shù)據(jù)的準(zhǔn)備及預(yù)處理2.1格式轉(zhuǎn)換方法格式轉(zhuǎn)換方法原始數(shù)據(jù)是excel文件保存的xlsx格式數(shù)據(jù)，需要轉(zhuǎn)換成Weka支持的arff文件格式或csv文件格式。由于Weka對(duì)arff格式的支持更好，這里我們選擇arff格式作為分類器原始數(shù)據(jù)的保存格式。轉(zhuǎn)換方法：在excel中打開“movie_given.xlsx”，選擇菜單文件另存為，在彈出的對(duì)話框中，文件名

3、輸入“total_data”，保存類型選擇“CSV（逗號(hào)分隔）”，保存，我們便可得到“total_data.csv”文件；然后，打開Weka的Expler，點(diǎn)擊Openfile按鈕，打開剛才得到的“total_data”文件，點(diǎn)擊“save”按鈕，在彈出的對(duì)話框中，文件名輸入“total_data”，文件類型選擇“Arffdatafiles（.arff）”，這樣得到的數(shù)據(jù)文件為“total_data.arff”。2.2如何建立數(shù)據(jù)訓(xùn)練集

4、，校驗(yàn)集和測(cè)試集如何建立數(shù)據(jù)訓(xùn)練集，校驗(yàn)集和測(cè)試集數(shù)據(jù)的預(yù)處理過程中，為了在訓(xùn)練模型、評(píng)價(jià)模型和使用模型對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)能保證一致性和完整性，首先要把movie_given.xslx和test.xslx合并在一起，因?yàn)樵谏蒩rff文件的時(shí)候，可能會(huì)出現(xiàn)屬性值不一樣的情況，否則將為后來的測(cè)試過程帶來麻煩。通過統(tǒng)計(jì)數(shù)據(jù)信息，發(fā)現(xiàn)帶有類標(biāo)號(hào)的數(shù)據(jù)一共有100行，為了避免數(shù)據(jù)的過度擬合，必須把數(shù)據(jù)訓(xùn)練集和校驗(yàn)集分開，目前的拆分策略是各50行。類

5、標(biāo)號(hào)為‘female’的數(shù)據(jù)有21條，而類標(biāo)號(hào)為‘male’的數(shù)據(jù)有79條，這樣目前遇到的問題是，究竟如何處理僅有的21條female數(shù)據(jù)？為了能在訓(xùn)練分類模型時(shí)有更全面的信息，所以決定把包含21條female類標(biāo)號(hào)數(shù)據(jù)和29條male類標(biāo)號(hào)數(shù)據(jù)作為模型訓(xùn)練數(shù)據(jù)集，而剩下的另49條類標(biāo)號(hào)類male的數(shù)據(jù)將全部用于校驗(yàn)數(shù)據(jù)集，這是因?yàn)樵谛ｒ?yàn)的時(shí)候，兩種類標(biāo)號(hào)的數(shù)據(jù)的作用區(qū)別不大，而在訓(xùn)練數(shù)據(jù)模型時(shí)，則更需要更全面的信息，特別是不同類標(biāo)號(hào)的