根据weka的数据分类和聚类分析实验报告Word格式.docx
《根据weka的数据分类和聚类分析实验报告Word格式.docx》由会员分享,可在线阅读,更多相关《根据weka的数据分类和聚类分析实验报告Word格式.docx(12页珍藏版)》请在冰豆网上搜索。
![根据weka的数据分类和聚类分析实验报告Word格式.docx](https://file1.bdocx.com/fileroot1/2022-11/14/67c7750d-7f17-431a-9509-12c0e5d7e10b/67c7750d-7f17-431a-9509-12c0e5d7e10b1.gif)
3.1决策树分类
(1)决策树分类
用“Explorer”打开数据“data02.arff”,然后切换到“Classify”。
点击“Choose”,选择算法“trees-J48”,再在“Testoptions”选择“Cross-validation(Flods=10)”,点击“Start”,开始运行。
系统默认trees-J48决策树算法中minNumObj=2,得到如下结果
===Summary===
CorrectlyClassifiedInstances2388.4615%
IncorrectlyClassifiedInstances311.5385%
Kappastatistic0.7636
Meanabsoluteerror0.141
Rootmeansquarederror0.3255
Relativeabsoluteerror30.7368%
Rootrelativesquarederror68.0307%
TotalNumberofInstances26
===DetailedAccuracyByClass===
TPRateFPRatePrecisionRecallF-MeasureROCAreaClass
0.824010.8240.9030.892N
10.1760.7510.8570.892Y
WeightedAvg.0.8850.0610.9130.8850.8870.892
===ConfusionMatrix===
ab<
--classifiedas
143|a=N
09|b=Y
使用不同的参数准确率比较:
minNumObj
2
3
4
5
CorrectlyClassifiedInstances
23
(88.4615%)
22
(84.6154%)
由上表,可知minNumObj为2时,准确率最高。
根据测试数集,利用准确率最高的模型得到的结果:
分析说明:
在用J48对数据集进行分类时采用了10折交叉验证(Folds=10)来选择和评估模型,其中属性值有两个Y,N。
一部分结果如下:
ab<
这个矩阵是说,原来是“Y”的实例,有14个被正确的预测为“Y”,有3个错误的预测成了“N”。
原本是“NO”的实例有0个被正确的预测成为“Y”,有9个正确的预测成了“N”。
“14+3+0+9=26”是实例的总数,而(14+9)/26=0.884615正好是正确分类的实例所占比例。
这个矩阵对角线上的数字越大,说明预测得越好。
(2)K最近邻分类算法
点击“Choose”,选择算法“lazy-IBk”,再在“Testoptions”选择“Cross-validation(Flods=10)”,点击“Start”,开始运行。
训练结果:
系统默认lazy-IBkK最近邻分类算法中KNN=1,得到如下结果
CorrectlyClassifiedInstances2076.9231%
IncorrectlyClassifiedInstances623.0769%
Kappastatistic0.4902
Meanabsoluteerror0.252
Rootmeansquarederror0.4626
Relativeabsoluteerror54.9136%
Rootrelativesquarederror96.694%
0.8240.3330.8240.8240.8240.768N
0.6670.1760.6670.6670.6670.768Y
WeightedAvg.0.7690.2790.7690.7690.7690.768
36|b=Y
KNN
1
20
(76.9231%)
19
(73.0769%)
由上表,可知KNN为3时,准确率最高。
在用lazy-Ibk(KNN=3)对数据集进行分类时采用了10折交叉验证(Folds=10)来选择和评估模型,其中属性值有两个Y,N。
ab<
161|a=N
27|b=Y
这个矩阵是说,原来是“Y”的实例,有16个被正确的预测为“Y”,有1个错误的预测成了“N”。
原本是“NO”的实例有2个被正确的预测成为“Y”,有9个正确的预测成了“7”。
“16+1+2+7=26”是实例的总数,而(16+7)/26=0.884615正好是正确分类的实例所占比例。
二、对“data01”进行聚类分析
1.数据格式的转换
(1)打开“data01.xls”另存为CSV类型,得到“data01.csv”。
(2)在WEKA中提供了一个“ArffViewer”模块,打开一个“data01.csv”进行浏览,然后另存为ARFF文件,得到“data01.arff”。
2.聚类过程
用“Explorer”打开数据“data01.arff”,然后切换到“Cluster”。
点击“Choose”,选择算法“SimpleKMeans(numClusters=6,seed=200),再在“Testoptions”选择“Usetrainingset”,点击“Start”,开始运行。
采用simpleKMeans算法,其中numClusters=6,seed=100,得到如下结果:
Numberofiterations:
3
Withinclustersumofsquarederrors:
6.065322314450069(平方误差之和)
ClusteredInstances
04(15%)
13(12%)
24(15%)
33(12%)
42(8%)
510(38%)(各类的包含的实例个数以及占总实例的百分比)
说明:
其中当seed的取值越大,平方误差之和越小。
在这次实验seed=100,得到:
6.065322314450069.这是评价聚类好坏的标准,数值越小说明同一簇实例之间的距离就越小。
接下来“Clustercentroids”:
列出了各个簇中心的位置:
AttributeFullData012345
(26)(4)(3)(4)(3)
(2)(10)
=================================================================================
sample13.522.54.666720.514.66674.511.2
old-year48.076965.7559.333350.52556.541.9
VEGF1.92312.752.333322.666731
MVC102.1538126.45100.6667127.488.266710486.58
cancer-grade2.57693.75233.33333.51.7
cancer-stage2.15383.251.333332.33333.51.3
cancermetastasisNYNNYYN
最后“ClusteredInstances”列出了各个簇中实例的数目及百分比:
42(8%)
三、根据提供的“data02”进行关联分析
由于程序和系统故障,所以不能正确的进行关联分析
5.实验总结
本次实验进行比较顺利,使我对如何在Weka中进行分类分析有了更深刻的了解,对Weka中进行分类分析的KNN算法,k-means算法和决策树算法都有了进一步的理解,同时也深刻体会到数据预处理对于数据挖掘的重要性。