数据仓库与数据挖掘1实验报告册汽院科院.docx

1、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 Microsoft SQL Server Analysis Services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 Microsoft SQL Server Analysis Services的使用实验类型：验证性 实验学时：4实验目的：学习并掌握Analysis Services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

2、，联机分析处理等。实验内容：在实验之前，先通读自学SQL SERVER自带的Analysis Manager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

3、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Weka Explorer界面，Preproces

4、s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Weka Explorer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

5、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

6、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Weka Explorer界面，Preprocess选项中，进行

7、相应的数据预处理。3、在Weka Explorer界面，单击Select attributes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Weka Explorer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Weka Explorer界面，单击Cluster选项，

8、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.