数据挖掘实验二报告

发布时间 : 星期日 文章数据挖掘实验二报告更新完毕开始阅读

实验二:利用Weka进行常见的数据处理

实验内容:

1.学习Weka的标准数据格式arff

2. 掌握分析数据:箱式图、正态分析、图形显示

3.掌握归一化、特征提取、缺失值、噪声值处理等数据处理方法

实验步骤

在给定的2个数据集上(iris和wine)进行操作。

1. 掌握Weka的标准数据格式arff(attribute-relation file format),并将指定数据集数据转换成arff格式。

由于weka软件可以打开CSV文件,故将数据集在EXCEL中保存为CSV文件,再用weka打开后,再保存为arff格式。

arff格式文件主要由两个部分构成,头部定义(关系名称(relation name)、一些属性(attributes)和对应的类型)和数据区。

2. 利用Weka对数据集数据进行图形分析(提示:根据Weka已有的图形选项,无特定功能则可省略过程,了解其含义即可)

3. 归一化处理。根据学过的归一化知识对数值属性进行归一化处理(可不用Weka)。

若使用weka进行归一化处理,可在Filters中选择unsupervised -> attribute下面的Normalize,使用默认参数,点击ok,回到主窗口。选好将要归一化的特征,可以是一个或多个,然后点击apply。

线性函数转换:y=(x-MinValue)/(MaxValue-MinValue)

注:x、y分别为转换前、后的值,MaxValue、MinValue分别为样本的最大值和最小值。

4. 特征提取。理解特征提取概念,利用Weka在指定数据集上进行特征提取。要求:采用不同的Attribute Evaluator,并比较实验结果。 特征提取是通过映射的方法,将高维的属性空间压缩为低维的属性空间,得到最小的属性集,使得数据类的概念分布尽可能地接近使用所有属性的原分布。 对于iris数据集:采用ranker;

5. 缺失值,噪声值处理。了解数据的不完整性。针对给定的数据集,利用不同的方法,添加缺失值或噪声值。要求:重点掌握Filter过滤器的快速处理。 处理空缺值的方法:忽略该记录;去掉属性;手工填写空缺值;使用默认值;使用属性平均值;使用同类样本平均值;预测最可能的值。

噪声数据的处理方法:分箱;聚类;计算机和人工检查结合;回归

联系合同范文客服:xxxxx#qq.com(#替换为@)