weka分类与预测实验报告

基于weka的数据分类分析实验报告

姓名：黄学波 学号：3130407055

一、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。

二、实验环境

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。 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。

三、数据预处理

Weka平台支持ARFF格式和CSV格式的数据。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1所示

图1 ARFF格式数据集(iris.arff)

对于iris数据集，它包含了150个实例（每个分类包含50个实例），共有sepal length、

sepal width、petal l

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

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

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

DW&DM课程实验报告

班级：信管11-1

姓名：陈丽华

学号：201108071131

一、实验目的

验证

二、实验内容

（一）聚类分析

（1）数据准备

1. 数据文件格式转换

使用WEKA作数据挖掘，面临的第一个问题往往是我们的数据不是ARFF格式的。幸好，WEKA还提供了对CSV文件的支持，而这种格式是被很多其他软件，比如Excel，所支持的。现在我们打开“bank-data.csv”。

利用WEKA可以将CSV文件格式转化成ARFF文件格式。ARFF格式是WEKA支持得最好的文件格式。

此外，WEKA还提供了通过JDBC访问数据库的功能。

2.“Explorer”界面

“Explorer”提供了很多功能，是WEKA使用最多的模块。

3.bank-data数据各属性的含义如下：

id: a unique identification number

age: age of customer in years (numeric)

sex: MALE / FEMALE

region:inner_city/rural/suburban/town

income: income of customer (numeric)

married:is the customer marrie

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”

监督分类实验报告

1100900028 孙淑蕊

一、实验原理：根据已知训练区提供的样本，通过选择特征参数，建立判别函数对各待分类像元进行的分类。

二、实验目的：1、理解监督分类方法的基本原理；

2、掌握利用ERDAS进行监督分类的操作流程； 3、了解分类后评价过程。 三、实验内容：在ERDAS软件中，对TM影响进行监督分类，将图像中的水体、植被、农田、城区等地物特征提取出来。 四、实验步骤：

1、在ERDAS主界面中，打开Viewer视窗，打开需要进行监督分类的图像。

2、对图像进行设置，设置Red、Green、Blue对应的波段值分别为4、3、2。

3、在Viewer视窗中显示待分类图像。打开Classification，选择Signature Editor，打开分类模板编辑器。

4、选择Signature Editor窗口的View中的Column，在弹出的View Signature Columns对话框中选择需要显示的字段。

5、在Viewer中点击

图标，打开Raster工具面板。

6、单击面板中的

图标，在打开的图像中选择水体区域，绘制一个多边形AOI。

7、在Signa

实验报告

题目：监督分类

姓名： 学号： 日期：

一、实验目的

理解计算机图像分类的基本原理以及监督分类的过程，运用ERDAS软件达到能熟练地对遥感图像进行监督分类的目的。

二、监督分类原理

监督分类 （supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。

1）平行六面体法

在多波段遥感图像分类过程中，对于被分类的每一个类别，在各个波段维上都要选取一个变差范围的识别窗口，形成一个平行六面体，如果有多个类别，则形成多个平行六边形，所有属于各个类别的多维空间点也分别落入各自的多维平行六面体空间。

2）最小距离法

使用了每个感兴趣区的均值矢量来计算每个未知象元到每一类均值矢量的欧氏距离，除非用户指定了标准差和距离的阈值，否则所有象元都将分类到感兴趣区中最接近的那一类。

3）最大似然法

中南财经政法大学武汉学院

实验报告册

课程： 市场调研与预测

姓名：

班级：

学号：

任课老师：

实验一SPSS对变量的编辑与操作

[实验目的]

1、了解SPSS for windows的基本特点与功能。 2、学习掌握SPSS对变量的编辑与操作。 [实验内容]

1、通过具体案例的示范操作了解SPSS的数据编辑功能，SPSS下表格的生成和编辑，图形的生成和编辑，SPSS与其他软件的联接，SPSS的统计功能。

2、SPSS对变量的编辑与操作：变量名的编制；变量名与变量标签，变量的值与值标签；变量的定义和修改；变量的增加、转移、复制、删除和插入；变量集合。 [实验项目]

根据课本273页表15-1进行spss的基本操作，生成一spss文件上传教师端，并进行以上实验内容的练习。 [实验步骤]

1、 变量名：是变量参与分析的唯一标志，定义变量结构时首先应给出每个变量的变量名。 2、 数据录入：变量定义完后，在编辑区选择

【原创】WEKA对UCI乳腺癌数据数据挖掘实

验报告(附代码数据)

【原创】 定制撰写数据分析可视化项目案例调研报告 有问题到淘宝找“大数据部落”就可以了

WEKA 对wisconsin-breast-cancer数据挖掘分析报告 一、 数据集

实验采用UCI数据集中的Wisconsin医学院的William 博士提供的乳腺癌的数据样本。所有数据来自真实临床案例，每个案例有10个属性。其中前九个属性是检测指标，每个属性值用1到10的整数表示，1表示检测指标最正常，10表示最不正常。第十个属性是分类属性，指示该肿瘤是否为恶性。数据集中的肿瘤性质是通过活检得出的结果。 肿块厚度 Clump_Thickness integer [1,10] 细胞大小的均匀性 Cell_Size_Uniformity integer [1,10] 细胞形状的均匀性 Cell_Shape_Uniformity integer [1,10] 边缘粘性 Marginal_Adhesion integer [1,10] 单上皮细胞的大小 Single_Epi_Cell_Size integer [1,10] 裸核 Bare_Nuclei i