西华大学数据挖掘与分析实验报告

数据仓库与数据挖掘实验

一、聚类算法测算数据集，如下图所示的数据集：

1.对mfeat-fac数据集进行测算 （1）创建Analysis Services chf项目

打开Business Intelligence Development Studio，选择“文件”—“新建”命令，新建一个Analysis Services 项目。在“名称”文本框中将新项目命名为Analysis Services chf，单击“确定”按钮。

（2）创建数据源Chenhongfei

在右侧解决方案资源管理器中，右键单击“数据源”项，从弹出的快捷菜单中选择“新建数据源”命令。系统将打开数据源向导。单击“新建”按钮，向Adventure Works数据库添加连接。系统将打开“连接管理器”对话框，连接到数据库chenhongfei,单击“确定”按钮。单击“下一步”按钮进入“模拟信息”页，选择“默认值”。具体如下图所示

(3)创建数据源视图Chenhongfei

在解决方案资源管理器中，右键单击“数据源视图”，从弹出的快捷菜单中选择“新建数据源视图”命令，系统将打开数据源视图向导。在“欢迎使用数据源视图向导”页上，单击“下一步”按钮。选择dbo

《数据挖掘》 Weka实验报告

姓名 ＿ 学号＿ 指导教师 开课学期 2015 至 2016 学年 2 学期 完成日期 2015年6月12日

1.实验目的

基于http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+WiscOnsin+(Ori- ginal)的数据，使用数据挖掘中的分类算法，运用Weka平台的基本功能对数据集进行分类，对算法结果进行性能比较，画出性能比较图，另外针对不同数量的训练集进行对比实验，并画出性能比较图训练并测试。

2.实验环境

实验采用Weka平台，数据使用来自http://archive.ics.uci.edu/ml/Datasets/Br- east+Cancer+WiscOnsin+(Original)，主要使用其中的Breast Cancer Wisc-

onsin (Original) Data Set数据。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

数据挖掘实验报告

以SQL Server 2005提供的Adventureworks数据库为商业智能解决方案的数据源

201113050416 武晓焱

一、实验目的

1、学习数据挖掘的理论知识，理解数据挖掘的目的和意义。

2、熟悉SQL Server 2005的软件功能，并学习该软件对数据的分析作用。 3、根据软件提供的数据进行管理 二、实验步骤与分析过程

1、Adventureworks数据库设计的方面很多，但是我们的目标很简单，只有

以下三个：

1） 需要分析不同类别的产品通过直销在不同地区、不同时间段内销售

的业绩。

2） 生成分析结果的报表。

3） 分析影响客户所有车的数量的因素。

2、目标可以发现分析销售业绩基于的唯独有三个：产品、客户和时间，事实数据则为反通过映销售业绩的订单。 对于产品我们关心的是产品的名称和分类，由于产品和产品类别之间有一对多的关系，因此可以将这个维度设计为雪花模型。

对于客户，我们主要关心客户的姓名、年龄、性别、婚姻状态、孩子的状况、是否拥有房产、拥有汽车的数量，所在的地区、国家、省和城市等信息。

对于时间，我们只关心年、季度和月份，这些在数据库中不是显示存在的，但是可以从订单上的Order

数据挖掘实验报告

学院名称 专业名称 学生姓名 学

号

计算机科学与技术学院

5

指导教师

二〇一六年十一月

实验内容

实验一

一、 实验原理

(1).缺省值的处理：用均值替换、回归查补和多重查补对缺省值进行处理

通过R语言提供的方法确定哪些有缺省值，哪些是异常值，并把异常置为缺失值来处理，通过表格形式打印出来。将数据集分成完整数据和缺失数据两部分。 (2).用均值替换：求变量未缺失部分的均值，用均值替换缺失。

回归查补：是把缺失属性作为因变量，其他相关属性作为自变量，利用他们之间的关系建立回归模型的来预测缺失值，以此完成缺失值插补的方法。

(3).多重查补：多值插补的思想来源于贝叶斯估计，认为待插补的值是随机的，它的值来自于已观测到的值。具体实践上通常是估计出待插补的值，然后再加上不同的噪声，形成多组可选插补值。根据某种选择依据，选取最合适的插补值。

多重插补方法分为三个步骤：①为每个空值产生一套可能的插补值，这些值反映了无响应模型的不确定性；每个值都可以被用来插补数据集中的缺失值，产生若干个完整数据集合。②每个插补数据集合都用针对完整数据集的统计方法进行统计分析。③对来自各个插补数据集的结果，根据评分函数进行选择，产生最终的插补值

第一次作业内容

一、对数据库的操作

1 用SQL 编程新建一个名为student的数据库，包括主文件、日志

文件，并定义其5个参数（name, filename, size, maxsize, filegrowth）

create database student --创建数据库 on

primary --主文件建立 ( name=pstudentPQL, --定义主文件逻辑名 filename='E:\\pstudentPQL.mdf', --定义主文件物理名 size=10MB, --主文件的初始容量 maxsize=20Mb, --主文件的最大容量 filegrowth=10% --增量大小 )

log on --日志文件建立 ( name=lstudentPQL, --定义日志文件逻辑名 filename='E:\\lstudentPQL.mdf', --定义日志文件物理名 size=2MB, --日志文件的初始容量 maxsize=unlimited, --日志文件的最大容量 filegrowth=2MB --增量大小 ) Go

运行后的截图:

2 用SQL 编程查看student数据库信息

sp_helpdb

甘肃政法学院

本科生实验报告

（2）

姓名:

学院:计算机科学学院 专业:信息管理与信息系统 班级:

实验课程名称:数据挖掘 实验日期: 指导教师及职称: 实验成绩:

开课时间：2013—2014 学年

一 学期

甘肃政法学院实验管理中心印制

实验题目 姓名 Weka的数据聚类分析 班级 小组合作 学 号 一、实验目的 1、了解和熟悉K均值聚类的步骤 2、利用Weka中提供的simpleKmeans方法对数据文件进行聚类分析，更深刻的理解k均值算法，并通过对实验结果进行观察分析，找出实验中所存在的问题。 二．实验环境 Win 7环境下的Eclipse 三、实验内容 在WEKA中实现K均值的算法,观察实验结果并进行分析。 四、 实验过程与分析 一、实验过程 1、添加数据文件 打开Weka的Explore，使用Open file点击打开本次实验所要使用的raff格式数据文件“auto93.raff” 2、选择算法类型 点击Cluster中的Choose，选择本次实验所要使用的算法类型“SimpleKMeans” 3、得出实验结果 选中“Cluster Mode”

。

数据预处理

一、实验原理

预处理方法基本方法

1、数据清洗

去掉噪声和无关数据

2、数据集成

将多个数据源中的数据结合起来存放在一个一致的数据存储中

3、数据变换

把原始数据转换成为适合数据挖掘的形式

4、数据归约

主要方法包括:数据立方体聚集，维归约，数据压缩，数值归约，离散化和概念分层等二、实验目的

掌握数据预处理的基本方法。

三、实验内容

1、R语言初步认识（掌握R程序运行环境）

2、实验数据预处理。（掌握R语言中数据预处理的使用）

对给定的测试用例数据集，进行以下操作。

1）、加载程序，熟悉各按钮的功能。

2）、熟悉各函数的功能，运行程序，并对程序进行分析。

对餐饮销量数据进统计量分析，求销量数据均值、中位数、极差、标准差，变异系数和四分位数间距。

对餐饮企业菜品的盈利贡献度（即菜品盈利帕累托分析），画出帕累托图。

3）数据预处理

缺省值的处理：用均值替换、回归查补和多重查补对缺省值进行处理

对连续属性离散化：用等频、等宽等方法对数据进行离散化处理

四、实验步骤

1、R语言运行环境的安装配置和简单使用

（1）安装R语言

R语言下载安装包，然后进行默认安装，然后安装RStudio 工具（2）R语言控制台的使用

1.2.1查看帮助文档

。1

。

1.2.2 安装软件包

1.2.3 进行简单的数据操

Southwest university of science and technology

数据挖掘课程报告

使用数据挖掘工具进行决策树分析

学院名称 专业名称 学生姓名 学

号

计算机科学与技术学院 计算机科学与技术

指导教师

吴珏

2016年十一月

实验二

一.实验目的

掌握CART决策树构建分类模型。

二.实验内容

对所有窃漏电用户及真诚用户的电量、告警及线损数据和该用户在当天是否窃漏电的标识，按窃漏电评价指标进行处理并选取其中291个样本数据，得到专家样本，使用CART决策树实现分类预测模型。

注意：数据的80%作为训练样本，剩下的20%作为测试样本

三.实验步骤

1、 对数据进行预处理 打开D:/dmex/ex2/ex2/上机实验/data/model的excel文件 如图

2、 把数据随机分为两部分，一部分用于训练，一部分用于测试。

打开d:/dmex/ex2/ex2/上机实验/code/ split_data文件 如图所示

分成testData和trainData文件 即测试数据和训练数据

3、 使用tree包里的tree函数以及训练数据构建CART决策树模型，使用predict函数

和构建的CA

学生学号 0120903490205 实验课成绩 学 生 实 验 报 告 书

实验课程名称 开 课 学 院 指导教师姓名 学 生 姓 名

数据挖掘与知识管理

管理学院 宋华 李亚军

学生专业班级 信息管理与信息系统0902班

2011 —2012 学年 第 二 学期

实验报告填写规范

1、 实验是培养学生动手能力、分析解决问题能力的重要环节；实验报告是反映实验教学水

平与质量的重要依据。为加强实验过程管理，改革实验成绩考核方法，改善实验教学效果，提高学生质量，特制定本实验报告书写规范。 2、 本规范适用于管理学院实验课程。

3、 每门实验课程一般会包括许多实验项目，除非常简单的验证演示性实验项目可以不写实

验报告外，其他实验项目均应按本格式完成实验报告。在课程全部实验项目完成后，应按学生姓名将各实验项目实验报告装订成册，构成该实验课程总报告，并给出实验课程成绩。

4、 学生必须依据实验指导书或老师的指导，提前预习实验目的、实验基本原理及方法，了

解实验内容及方法，在完成以上实验预习的前提下进行实验。教师将在实验过程中抽查学生预习情况。

5、 学生应在做完实验后三天内完成实验报告，交指导教师评阅。

6、 教师应及时评阅学生的实验报告

数据挖掘实验报告（一）

姓名：李圣杰班级：计算机学号： 数据预处理

1304 1311610602

1

一、实验目的

1.学习均值平滑，中值平滑，边界值平滑的基本原理 2.掌握链表的使用方法 3.掌握文件读取的方法

二、实验设备

PC一台，dev-c++5.11

三、实验内容

数据平滑

假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 25, 25, 25, 25, 30, 33, 33, 35, 35, 35, 35, 36, 40, 45, 46, 52, 70。使用你所熟悉的程序设计语言进行编程，实现如下功能（要求程序具有通用性）：

(a) 使用按箱平均值平滑法对以上数据进行平滑，箱的深度为3。 (b) 使用按箱中值平滑法对以上数据进行平滑，箱的深度为3。 (c) 使用按箱边界值平滑法对以上数据进行平滑，箱的深度为3。

四、实验原理

使用c语言，对数据文件进行读取，存入带头节点的指针链表中，同时计数，均值求三个数的平均值，中值求中间的一个数的值，边界值将中间的数转换为离边界较近的边界值

五、实验步骤