基于weka的數(shù)據(jù)分類分析實驗報告

1、數(shù)據(jù)挖掘實驗報告xxx2010210304831基于基于weka的數(shù)據(jù)分類分析實驗的數(shù)據(jù)分類分析實驗報告報告1實驗基本內容實驗基本內容本實驗的基本內容是通過使用weka中的三種常見分類方法（樸素貝葉斯，KNN和決策樹C4.5）分別在訓練數(shù)據(jù)上訓練出分類模型，并使用校驗數(shù)據(jù)對各個模型進行測試和評價，找出各個模型最優(yōu)的參數(shù)值，并對三個模型進行全面評價比較，得到一個最好的分類模型以及該模型所有設置的最優(yōu)參數(shù)。最后使用這些參數(shù)以及訓練集和校驗集

2、數(shù)據(jù)一起構造出一個最優(yōu)分類器，并利用該分類器對測試數(shù)據(jù)進行預測。2數(shù)據(jù)的準備及預處理數(shù)據(jù)的準備及預處理2.1格式轉換方法格式轉換方法原始數(shù)據(jù)是excel文件保存的xlsx格式數(shù)據(jù)，需要轉換成Weka支持的arff文件格式或csv文件格式。由于Weka對arff格式的支持更好，這里我們選擇arff格式作為分類器原始數(shù)據(jù)的保存格式。轉換方法：在excel中打開“movie_given.xlsx”，選擇菜單文件另存為，在彈出的對話框中，文件名

3、輸入“total_data”，保存類型選擇“CSV（逗號分隔）”，保存，我們便可得到“total_data.csv”文件；然后，打開Weka的Expler，點擊Openfile按鈕，打開剛才得到的“total_data”文件，點擊“save”按鈕，在彈出的對話框中，文件名輸入“total_data”，文件類型選擇“Arffdatafiles（.arff）”，這樣得到的數(shù)據(jù)文件為“total_data.arff”。2.2如何建立數(shù)據(jù)訓練集

4、，校驗集和測試集如何建立數(shù)據(jù)訓練集，校驗集和測試集數(shù)據(jù)的預處理過程中，為了在訓練模型、評價模型和使用模型對數(shù)據(jù)進行預測能保證一致性和完整性，首先要把movie_given.xslx和test.xslx合并在一起，因為在生成arff文件的時候，可能會出現(xiàn)屬性值不一樣的情況，否則將為后來的測試過程帶來麻煩。通過統(tǒng)計數(shù)據(jù)信息，發(fā)現(xiàn)帶有類標號的數(shù)據(jù)一共有100行，為了避免數(shù)據(jù)的過度擬合，必須把數(shù)據(jù)訓練集和校驗集分開，目前的拆分策略是各50行。類

5、標號為‘female’的數(shù)據(jù)有21條，而類標號為‘male’的數(shù)據(jù)有79條，這樣目前遇到的問題是，究竟如何處理僅有的21條female數(shù)據(jù)？為了能在訓練分類模型時有更全面的信息，所以決定把包含21條female類標號數(shù)據(jù)和29條male類標號數(shù)據(jù)作為模型訓練數(shù)據(jù)集，而剩下的另49條類標號類male的數(shù)據(jù)將全部用于校驗數(shù)據(jù)集，這是因為在校驗的時候，兩種類標號的數(shù)據(jù)的作用區(qū)別不大，而在訓練數(shù)據(jù)模型時，則更需要更全面的信息，特別是不同類標號的