数据仓库与数据挖掘1实验报告册汽院科院.docx
《数据仓库与数据挖掘1实验报告册汽院科院.docx》由会员分享,可在线阅读,更多相关《数据仓库与数据挖掘1实验报告册汽院科院.docx(8页珍藏版)》请在冰豆网上搜索。
数据仓库与数据挖掘1实验报告册汽院科院
《数据仓库与数据挖掘》
实验报告册
20-20学年第学期
班级:
学号:
姓名:
实验一MicrosoftSQLServerAnalysisServices的使用3
实验二使用WEKA进行分类与预测5
实验三使用WEKA进行关联规则与聚类分析6
实验四数据挖掘算法的程序实现7
实验一MicrosoftSQLServerAnalysisServices的使用
实验类型:
验证性实验学时:
4
实验目的:
学习并掌握AnalysisServices的操作,加深理解数据仓库中涉及的一些概念,如多维数据集,事实表,维表,星型模型,雪花模型,联机分析处理等。
实验内容:
在实验之前,先通读自学SQLSERVER自带的AnalysisManager概念与教程。
按照自学教程的步骤,完成对FoodMart数据源的联机分析。
建立、编辑多维数据集,进行OLAP操作,看懂OLAP的分析数据。
实验步骤:
1、启动联机分析管理器:
2、建立系统数据源连接。
3、建立数据库和数据源,多维数据集
编辑多维数据集
4、设计存储和处理多维数据集
5、浏览多维数据集中的数据
按时间筛选数据
实验小结:
实验二使用WEKA进行分类与预测
实验类型:
综合性实验学时:
4
实验目的:
掌握数据挖掘平台WEKA的使用。
综合运用数据预处理、分类与预测的挖掘算法、结果的解释等知识进行数据挖掘。
从而加深理解课程中的相关知识点。
实验内容:
阅读并理解WEKA的相关中英文资料,熟悉数据挖掘平台WEKA,针对实际数据,能够使用WEKA进行数据的预处理,能选择合适的分类与预测算法对数据进行分析,并能解释分析结果。
实验步骤:
1、在开始->程序->启动WEKA,进入Explorer界面,熟悉WEKA的界面功能。
2、选择数据集(实验中的数据可以从网络获取),如泰坦尼克号数据集,将要处理的数据集转换成WEKA能处理的格式,如.ARFF格式。
思考:
如何将其它格式的数据文件(如.XLS)转换为.ARFF格式?
3、根据选择的数据挖掘算法,如果有必要,在WekaExplorer界面,Preprocess选项中,进行相应的数据预处理。
要求:
熟悉Preprocess界面中各个功能选项的含义,理解数据的特征。
思考:
在filter中,supervised和unsupervised的区别?
4、在WekaExplorer界面,单击Visualize选项,进入WEKA的可视化页面,可以对当前的关系作二维散点图式的可视化浏览。
要求:
熟悉Visualize界面中各个功能选项的含义,理解可视化图形的意义。
5、选择相应的分类与预测挖掘算法对数据集进行分析,进行算法参数的具体设置。
如利用WEKA->Classifier->trees->J48决策树算法,对泰坦尼克号数据集进行分析;如利用回归模型对连续数值进行预测。
要求:
对你选择的分类和预测算法思想分别进行介绍,熟悉classify界面的内容,对classifier中的参数含义分别进行介绍。
思考:
classifier->trees->J48算法与classifier->trees->id3算法的区别与联系。
6、对分析所获得的结果进行解释。
如,根据决策树和分类规则尝试讨论泰坦尼克号幸存者的特征。
理解评估分类和预测优劣的一些准则。
实验小结:
实验中遇到的问题及解决办法、心得、体会等等...
思考题
给出数据挖掘中分类与预测成功应用的案例,并简要介绍。
实验三使用WEKA进行关联规则与聚类分析
实验类型:
综合性实验学时:
4
实验目的:
掌握数据挖掘平台WEKA的使用。
综合运用数据预处理、关联规则与聚类的挖掘算法、结果的解释等知识进行数据挖掘。
从而加深理解课程中的相关知识点。
实验内容:
阅读并理解WEKA的相关中英文资料,熟悉数据挖掘平台WEKA,针对实际数据,能够使用WEKA进行数据的预处理,了解属性选择,能选择合适的关联规则与聚类算法对数据进行分析,并能解释分析结果。
实验步骤:
1、在开始->程序->启动WEKA,进入Explorer界面,熟悉WEKA的界面功能。
2、选择数据集(实验中的数据可以从网络获取),将要处理的数据集转换成WEKA能处理的格式,如.ARFF格式。
根据选择的数据挖掘算法,如果有必要,在WekaExplorer界面,Preprocess选项中,进行相应的数据预处理。
3、在WekaExplorer界面,单击Selectattributes选项,进入WEKA的属性选择页面。
要求:
了解该界面中主要功能选项的含义,理解该界面的功能。
5、在WekaExplorer界面,单击Associate选项,进入WEKA的关联规则页面。
选择一个关联规则算法对数据集进行分析,进行算法参数的具体设置。
要求:
对你选择的关联规则算法思想进行介绍,熟悉Associate界面的内容,对Associate中的参数含义分别进行介绍。
理解用来衡量规则的关联程度的几个度量指标。
理解并解释分析所获得的结果。
6、在WekaExplorer界面,单击Cluster选项,进入WEKA的聚类页面。
选择一个聚类算法(如K均值)对数据集进行分析,进行算法参数的具体设置。
要求:
对你选择的聚类算法思想进行介绍,熟悉Cluster界面的内容,对Cluster中的参数含义进行介绍。
理解并解释分析所获得的结果。
实验小结:
实验中遇到的问题及解决办法、心得、体会等等...
思考题
给出数据挖掘中关联规则与聚类成功应用的一些案例,并简要介绍。
实验四数据挖掘算法的程序实现
实验类型:
设计性实验学时:
4
实验目的:
运用数据挖掘、程序设计等相关知识,选择一个数据挖掘的常用算法进行程序设计实现。
加深对数据挖掘算法基本原理、详细执行过程和具体应用情况的理解。
实验内容:
采用任何一种自己熟悉的编程语言,完成算法的程序设计,并在每个程序设计语句后面进行详细的注释。
能够运用实现的算法来解决某个具体的问题,得到并解释程序运行的结果。
推荐的算法:
1关联规则:
Apriori算法
2分类与预测:
ID3,C4.5,KNN,BP,
3聚类:
k-means
实验步骤:
1.提前预习,选择算法,理解原理。
2.针对具体问题,选择熟悉的编程平台,进行算法的程序实现,尽量在每个程序语句后面进行详细注释。
3.自己选择某个数据集,应用实现的算法得到结果并解释。
实验小结:
实验中遇到的问题及解决办法、心得、体会等等...