商务智能与数据挖掘实验报告.docx
《商务智能与数据挖掘实验报告.docx》由会员分享，可在线阅读，更多相关《商务智能与数据挖掘实验报告.docx（12页珍藏版）》请在冰豆网上搜索。
商务智能与数据挖掘实验报告
商务智能与数据挖掘实验报告
课程：
商务智能与数据挖掘地点:
L2607时间：
2012年5月13日
学生姓名
*******班级电商
学号
*******成绩
实验项忖
数据挖掘应用实验
指导教师*******
实验目的
1・学握MicrosoftSQLserver的数据库恢复；
2.学握MicrosoftSQLServerAnlysisService的多维数拯分析功能；
3.至少学握一种数据挖掘工具，并能正确地使用；
4.利用所学握的数据挖掘工具进行分类分析.关联分析.聚类分析等。
实验要求
1・根据提供的€€SQL2008SBSDW.bak,
2.在SQL2（X）8SBSDW数据库上搭建
3.根据提供的“data（）2哒行分类分析
4.根据提供的“da（a02”进行关联分析
5.根据提供的“dataOl”进行聚类分析（数据可利用系统自带的进行分析，也可利用
'文件恢复SQL2（X）8SBSDW数据库；:
多维数据集。
提供的数据进行分析）
实验内容及实验结果
一、对“data（）2”进行分类分析
1.数据格式的转换
⑴打开“data02.xls”另存为CSV类型，得到“da（aO2.csv”。
S）dataO2・csv
⑵在WEKA中提供了一个“ArffViewer”模块，打开一个“data02.csv”进行浏览，然后另存为ARFF文件，得到"dataO2.arff"。
®data02.arff
2.分类过程
（1）决策树分类
用“Explorer”打开数据“data02.arff”，然后切换到“Class辻y”。
点击“Choose”，选择算法"trces-J48”，再在"Testoptions"选择uCross-validation（Flods=10）^,点击“Start”，开始运行。
训练结果：
系统默认trees-J48决策树算法中minNumObj=2,得到如下结果
==Summary==
Precision
RecallF-Mcasurc
ROCArea
Class
1
0.824
0.903
0.892
N
（）.75
1
0.857
0.892
Y
0.913
0.885
0.887
0.892
TPRate
==DetailedAccuracyByClass===
0.824
1
WeightedAvg.0.885=ConfusionMatrix===
a
b
<—classifiedas
14
31
a=N
0
91
b=Y
使帀不同的参数准确率比较:
minNumObj
2
3
4
5
Correctly
Classified
Instances
23
22
23
23
（8&4615%）
（84.6154%）
（8&4615%）
（88.4615%）
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:
［制WekaClassifierTreeVisualizer:
11:
22:
13・trees.J48（旳帖02）［u>］回j
TreeView
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,No一部分结果如下：
CorrectlyClassifiedInstances2388.4615%
IncorrectlyClassifiedInstances311.5385%
===ConfusionMatrix==
ab<—classifiedas
1431a=N
091b=Y
这个矩阵是说，原来是“Y”的实例，有14个被止确的预测为“Y”,有3个错误的预测成了原本是“NO”葩实例有0个被止确的预测成为“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
用“Explorer”打开数据“data02.arff”,然后切换至『Classify”。
点击“Choose”,选择算法“lazy-IBk”,再在"Testoptionsw选择wCross-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
—Summary—
CorrectlyClassifiedInstances
20
76.9231%
IncorrectlyClassifiedInstances
6
23.0769%
Kappastatistic
0.4902
Meanabsoluteerror
0.252
Rootmeansquarederror
0.4626
Relativeabsoluteerror
54.9136%
Rootrelativesquarederror
96.694%
Status,、、
OK[3」M0
TotalNumberofInstances26
=—De:
ailedAccuracyByClass===
TPRate
FPRate
Precision
Recall
F-Measure
ROCArea
Class
0.824
0.333
0.824
0.824
0.824
0.768
N
0.667
0.176
0.667
0.667
0.667
0.768
Y
WeightedAvg.0.769
0.279
0.769
0.769
0.769
0.768
==ConfusionMatrix==
ab<--classifiedas
143|a=N
36|b=Y
使用不同的参数准确率比较:
KNN
1
2
3
4
Correctly
Classified
Instances
20
19
23
20
（76.9231%）
（73.0769%）
（8&4615%）
（76.9231%）
由上表，可知KNN为3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:
Classcolour
分析说明：
在用lazy-Ibk（KNN=3）对数据集进行分类时采用了10折交义验证（Folds=10）来选择和评佔模型，其中属性值有两个Y,No一部分结果如下：
===Summary==
CorrectlyClassifiedInstances2388.4615%
IncorrectlyClassifiedInstances311.5385%
===ConfusionMatrix=====
ab<―classifiedas
161a=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）726=（）.884615正好是正确分类的实例所占比例。
二.对“dataOl”进行聚类分析
1.
数据咯式的转换
⑴打开“dataO1.xls"另存为CSV类型,得到“dataOl.csv”。
⑵在WEKA中提供了一个“ArtTViewer”模块，打开一个udataOl.csv”进行浏览，然后另存为ARFF
文件，得到“dataOl.arff”。
OdataOl.arff
2.聚类过程
用“Explorer”打开数据“dataOl.arff”，然后切换到“Cluster”。
点击“Choose”,选择算法"SimpleKMeans（numClusters=6,seed=200）,再在“Testoptionsn选择"Usetrainingset”,点击“Start”，开始运行。
训练结果:
StatusOK
采用simpleKMcans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
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）
cluaterOclusterl.clusters
|4>]WekaClustererVisualize:
13:
22:
44・SimpleKMeans（data32）[o|回j
X:
InstancjnumberQlwn）
▼
jl：
Cluster（Horn）
卜
Colour：
Cluster（Hom）
▼
SelectInstance
▼
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=l（X）,得到：
Withinclustersumofsquarederrors:
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。
接卜■来“Clustercentroids”：
列出了各个簇中心的位置：
Attribute
FullData
（26）
0
（4）
1
（3）
2
（4）
3
（3）
4
（2）
5
（10）
sample
13.5
22.5
4.6667
20.5
14.6667
4.5
11.2
old-year
48.0769
65.75
593333
50.5
25
56.5
41.9
VEGF
1.9231
2.75
2.3333
2
2.6667
3
1
MVC
102.1538
126.45
100.6667
127.4
88.2667
104
86.58
cancer-grade
2.5769
3.75
2
3
3.3333
3.5
1.7
cancer-stage
2.1538
3.25
1.3333
3
2.3333
3.5
1.3
cancermetastasis
N
Y
N
N
Y
Y
N
最后"ClusteredInstances"列出了各个簇中实例的数目及百分比:
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）
三、根据提供的“data02”进行关联分析
山于程序和系统故障，所以不能正确的进行关联分析
实验
心得
通过木次数据挖掘实验，学习了数据挖掘的相关概念和知识，理解了数据挖掘的用途和使用步骤；进一步学习了WEKA开源数据挖掘工具在数据挖掘学习中的使用方法。
并且对WEKA的分类与回归、聚类分析、关联规则、属性分析和可视化分析儿个模块化的基木分析方式进行了操作实验。
在此过程中学会了运用各个模块的分析方法。
由于是初次实验WEKA分析软件，对WEKA的运用和最终的数据结來运用还不熟悉，需要在以后的工作实验屮加以君重研究。
通过本次实验，也认识到了数据挖掘对人量的数据进行探索后，能揭示出其中隐藏着的规律性内容，并口由此进一步形成模型化的分析方法。
可以建立整体或某个业务过程局部的不同类型的模型，可以描述发展的现状和规律性，而且可以用来预测当条件变化后可能发生的状况。
升级会员 