基于Weka的数据分类分析实验报告
更新时间:2024-07-10 15:22:01 阅读量: 综合文库 文档下载
基于Weka的数据分类分析实验报告
1 实验目的
使用数据挖掘中的分类算法,对数据集进行分类训练并测试。应用不同的分类算法,比较他们之间的不同。与此同时了解Weka平台的基本功能与使用方法。
2 实验环境
2.1 Weka介绍
Weka是怀卡托智能分析系统的缩写,该系统由新西兰怀卡托大学开发。Weka使用Java写成的,并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台,是一款免费的,非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面,可结合预处理以及后处理方法,将许多不同的学习算法应用于任何所给的数据集,并评估由不同的学习方案所得出的结果。
图1Weka主界面
Weka系统包括处理标准数据挖掘问题的所有方法:回归、分类、聚类、关联规则以及属性选择。分析要进行处理的数据是重要的一个环节,Weka提供了很多用于数据可视化和与处理的工具。输入数据可以有两种形式,第一种是以ARFF格式为代表的文件;另一种是直接读取数据库表。
使用Weka的方式主要有三种:第一种是将学习方案应用于某个数据集,然后分析其输出,从而更多地了解这些数据;第二种是使用已经学习到的模型对新实例进预测;第三种是使用多种学习器,然后根据其性能表现选择其中一种来进行预测。用户使用交互式界面菜单中选择一种学习方法,大部分学习方案都带有可调节的参数,用户可通过属性列表或对象编辑器修改参数,然后通过同一个评估模块对学习方案的性能进行评估。
2.2 数据和数据集
根据应用的不同,数据挖掘的对象可以是各种各样的数据,这些数据可以是各种形式的存储,如数据库、数据仓库、数据文件、流数据、多媒体、网页,等等。即可以集中存储在数据存储库中,也可以分布在世界各地的网络服务器上。
大部分数据集都以数据库表和数据文件的形式存在,Weka支持读取数据库表和多种格
式的数据文件,其中,使用最多的是一种称为ARFF格式的文件。
ARFF格式是一种Weka专用的文件格式,Weka的正式文档中说明AREF代表Attribute-Relation File Format(属性-关系文件格式)。该文件是ASCII文本文件,描述共享一组属性结构的实例列表,由独立且无序的实例组成,是Weka表示数据集的标准方法,AREF不涉及实例之间的关系。
3数据预处理
本实验采用Weka 平台,数据使用Weka安装目录下data文件夹下的默认数据集iris.arff。
Iris 是鸢尾花的意思,鸢尾花是鸢尾属植物,是一种草本开花植物的统称。鸢尾花只有三枚花瓣,其余外围的那三瓣乃是保护花蕾的花萼,只是由于这三枚瓣状花萼长得酷似花瓣,以致常常以假乱真,令人难以辨认。
由于本次使用平台自带的ARFF格式数据,所以不存在格式转换的过程。实验所用的ARFF格式数据集如图2所示。
图2 AREF格式数据集(iris.arff)
鸢尾花的数据集包括三个类别:Iris Setosa(山鸢尾)、Iris Versicolour(变色鸢尾)和Iris Virginica(维吉尼亚鸢尾),每个类别各有50个实例。数据集定义了5个属性:sepal length(花萼长)、sepal width(花萼宽)、petal length(花瓣长)、petal width(花瓣宽)、class(类别)。最后一个属性一般作为类别属性,其余属性都是数值,单位为cm(厘米)。
实验数据集中所有的数据都是实验所需的,因此不存在属性筛选的问题。若所采用的数
据集中存在大量的与实验无关的属性,则需要使用weka平台的Filter(过滤器)实现属性的筛选。
实验所需的训练集和测试集均为iris.arff。
4 实验过程及结果
应用iris.arff数据集,分别采用LibSVM、C4.5决策树分类器和朴素贝叶斯分类器进行测试和评价,分别在训练数据上训练分类模型,找出各个模型最优的参数值,并对三个模型进行全面评价比较,得到一个最好的分类模型以及该模型所有设置的最优参数。最后使用这些参数以及训练集和校验集数据一起构造出一个最优分类器,并利用该分类器对测试数据进行预测。
4.1 LibSVM分类
Weka平台内部没有集成LibSVM分类器,要使用该分类器,需要下载libsvm.jar并导入到Weka中,直接在Tools-Package manager中搜索LibSVM进行安装。
用Explorer打开数据集iris.arff,并在Explorer中将功能面板切换到Classify,点Choose按钮选择functions(weka.classifiers.functions.LibSVM),选择LibSVM分类算法。
在Test Options面板中选择Cross-Validation=10,即十折交叉验证。然后点击start按钮:
使用LibSVM分类算法训练数据集得出的结果 参数:–S 0 –K 2 –D 3 –G 0.0 –R 0.0 –N 0.5 –M 40.0 –C 1.0 –E 0.0010 –P 0.1 结果分析: 使用该参数指定的LibSVM训练数据集,得到的准确率为96.6667%,其中150个实例中145个被正确分类,5个被错误分类。根据混淆矩阵,被错误分类的实例如下。 2个b类实例被错误分类到c;3个c类实例被错误分类到b。该算法P=0.967,R=0.967,ROC面积为0.975.
将模型应用与测试集:
使用LibSVM分类算法测试数据集得出的结果 结果分析: 准确率为98.6667%,只有两个实例被错误分类。P=0.987,R=0.987,ROC面积为0.99。 分类误差:
4.2 C4.5 决策树分类器
依然使用十折交叉验证,训练集和测试集相同。 使用C4.5决策树分类算法训练数据集得出的结果 参数:-C 0.25 -M 2 结果分析: 使用该参数指定的C4.5决策树分类器训练数据集,得到准确率为96%,其中150个实例中的144个被正确分类,6个被错误分类。根据混淆矩阵,被错误分类的实例如下。 2个b类实例被错误分类到c,1个b类实例被错误分类到a;三个c类实例被错误分类到b。该算法P=0.96,R=0.96,ROC面积为0.968。
将模型应用于测试集:
使用C4.5分类算法测试数据集得出的结果 结果分析:
正在阅读:
基于Weka的数据分类分析实验报告07-10
老师,我想对您说作文600字07-08
安徽工业大学市场营销复习题05-05
第2章 化学热力学初步习题12-20
农业局土肥站2019年上半年工作总结03-12
软件项目 风险管理04-21
周氏 - 河北省赤城县瓦房沟(族谱)10-28
脉冲电流占空比对Ni—SiCp复合镀层电沉积行为的影响04-22
团结的力量作文450字06-24
零食的诱惑作文550字06-19
- 多层物业服务方案
- (审判实务)习惯法与少数民族地区民间纠纷解决问题(孙 潋)
- 人教版新课标六年级下册语文全册教案
- 词语打卡
- photoshop实习报告
- 钢结构设计原理综合测试2
- 2014年期末练习题
- 高中数学中的逆向思维解题方法探讨
- 名师原创 全国通用2014-2015学年高二寒假作业 政治(一)Word版
- 北航《建筑结构检测鉴定与加固》在线作业三
- XX县卫生监督所工程建设项目可行性研究报告
- 小学四年级观察作文经典评语
- 浅谈110KV变电站电气一次设计-程泉焱(1)
- 安全员考试题库
- 国家电网公司变电运维管理规定(试行)
- 义务教育课程标准稿征求意见提纲
- 教学秘书面试技巧
- 钢结构工程施工组织设计
- 水利工程概论论文
- 09届九年级数学第四次模拟试卷
- 基于
- 实验
- 报告
- 分析
- 数据
- 分类
- Weka
- 第三版-配位化合物-end
- 慈悲消病咒
- 2018年中国甲酸市场现状调查及投资策略研究报告告目录
- 苏教版五年级下册《只拣儿童多处行》教案和教学反思
- 大学生消费观的英文作文
- 企业发生的合理的工资薪金支出税前扣除需要符合哪些条件?
- 6.2南昌铁一中2010-2011学年度下学期月考数学试卷
- 基因工程习题及答案
- 六1数学试卷分析真2015.6.26
- 嵊教体普20095号
- 2009年高考试题 - 理综(全国卷)解析版
- 合同
- 高考英语听力必备场景词汇集萃
- 河北武安禅文化智慧创意产业园项目可行性研究报告201602 - 图文
- ERP复习(全)
- 广东省六校2011届高三第四次联考文科综合试题
- 欧陆590+直流调速器知识讲座 - 图文
- 新能源环卫车现状及发展态势分析 - 图文
- 2014海南省《公共基础知识》一点通科目一
- 谈当代社会发展对现代教育的需求与挑战