2023年数据挖掘实验报告一.pdf
数据预解决一、实验原理预解决方法基本方法1、数据清洗去掉噪声和无关数据2、数据集成A将多个数据源中的数据结合起来存放在一个一致的数据存储中3、数据变换把原始数据转换成为适合数据挖掘的形式4、数据归约重要方法涉及:数据立方体聚集，维归约，数据压缩，数值归约,离散化和概念分层等二、实验目的掌握数据预解决的基本方法。三、实验内容1、R语言初步结识（掌握R程序运营环境）2、实验数据预解决。（掌 握R语言中数据预解决的使用）对给定的测试用例数据集，进行以下操作。1）、加载程序,熟悉各按钮的功能。2）、熟悉各函数的功能，运营程序,并对程序进行分析。对餐饮销量数据进记录量分析，求销量数据均值、中位数、极差、标准差，变异系数和四分位数间距。对餐饮公司菜品的赚钱奉献度（即菜品赚钱帕累托分析），画出帕累托图。3）数据预解决。缺省值的解决：用均值替换、回归查补和多重查补对缺省值进行解决对连续属性离散化：用等频、等宽等方法对数据进行离散化解决四、实验环节1、R语言运营环境的安装配置和简朴使用(1)安装R 语言R 语言下载安装包，然后进行默认安装，然后安装RSt u d io 工具(2)R 语言控制台的使用1.2.1 查看帮助文档4w oj-beRjniaUanpB and AdBunaawwcR lm w l,M iscallatw ou a M atcsl&lAboul R A into、RTXXMCWLu F tw y m-nunb1.2.2 安装软件包 in sta ll.p a ck a g es(n n et);二-在 此 喈 短 时 请 选 用CRAN的 子-试开 URL，h ttp s:/c lo u d,r-p r o je c c.o rg/b in/w in d o w s/co n crib/3.4/n n ec_7.3-1$Content type a p p lic a tio n/z ip *len g th 134917 b y tes(131 KB)downloaded 131 KB程序包,nnec，打开成功，MD5和检查也通过下载的二进制程序包在C:UsersuserAppDataLocalTen)Rtirp4c5CoXdownloaded_packageS1.2.3 进行简朴的数据操作 a s o r t(a)1 1 4 5 6 m ean(a)1 4 max(a)(1 6(3)R S t u d io 简朴使用I.3.1 R S tu d io 中进行简朴的数据解决 1+21 3 a sum(a)1 6 sort(a)1 1 2 3 I1.3.2RStud i o 中进行简朴的数据解决U RStudioFile Edit Code View Plots Session Build Debug Profile Tools Help。-OR*Q H,(i Addins-o 2.RH l_l Source on Save Q，”,R u n 6 3*Source 1#退置工作空间2 setwd(d:/dmex/exl/test;3#数 据 简 单 处 理4 数据赋值5 a#对数据排序 sort(a);1 1 2 32、R语言中数据预解决（1）加载程序,熟悉各按钮的功能。#不出电天条数理诲 corfcordatar,2:111)百台卷蒸凤爪喜粉蒸舌苗比金黑苻汁羞捧台乐髭算味潟蜜汁姬督包百合普恭凤爪1.0000000000.0092058030.016799326生炒菜心铁板的菜腐否函韭菜送香带罗卜桂意才像Q*菜心0.455638166NA0.3084955930.2048978400.127448249-0.0902755480.428316260蓊戏蒸舌茵茨金银芬汁袤拌骨 乐睛克味鸡蜜汁燃袋也0.01679933 0.455638170.30443437-0.012279361.00000000 0.035134600.03513460 1.00000000NA NAO.OO92O58O31.0000000000.304434367-0.012279359NA-0.180446360-0.0269081400.0623444520.2702763280.020462147-0.184289730.187271550.121543430.077808110.029074370.325461720.29769187-0.06886643-O.O3O222O50.42187795生炒菜心帙板酸菜豆腐NA 0.30849559NA-0.18044636NA-0.18428973NA 0.325461721 NANA 1.00000000NA 0.36978749NA 0.03823316NA 0.04989806NA 0.12298779香丽韭菜饺香丽罗卜株原汁原味菜心0.20489784-0.026908140.187271550.29769187NA0.369787491.000000000.095543000.157957550.567331900.127448250.062344450.12154343-0.06886643NAO.O38233160.095543001.000000000.178335630.04968889-O.O9O275550.270276330.07780811-O.O3O222O5NA0.049898060.157957550.178335631.000000000.088980220.428316260.020462150.029074370.42187795NA0.122987790.567331900.049688890.088980221.00000000（2）熟悉各函数的功能，运营程序，并对程序进行分析2.2.1 销量中位数、极差、标准差，变异系数和四分位数间距。1表馈销量数据相关住析2峨 1 T 危 间3 set wd(0:/oc4n/denx/ex1/,)*婢 题 据5 cor(Jata-rea(i.csv(file-,./datal/caterlng_sale_all.csv,header-T67 sales cordata),2喻 值9 ne n_-nean(sales.na.rn I)10 中位数11 nedian_-Redian(sales,na.rn T)1 2 哦 差13 rangr_ n.ix(S41s,n4.rn i)nintsjlrs.na.r*I)1*啾准军15 std_-sqrt(war(sales.na.rn-T)16 关学圣二17 variation_ std_/nean18 23分隹数19 ql quantile(sales.0.25.n4.rn J)20 q3-quantlle(sales.e.75.na.rN-T)2 1 咱 5 位数间距22 distance q3q123 a natrixc(ne4n_,nedian_,r4ngr_,st 啜耳系氟 variation std_/nean_ 哂分位数 qlequantile($ale$,.25,na.rn T)q3quantiJe(sales,.75,na.rn T)29分位数间距 dlstance-q3-q1 a-wtrlx(c(ean_,ie colna*s(a”c p rin t)均 被 中 位 敛 极 差 标 准 差 变 异 系 数”吩 位 数 3八分位数四分位数间距1,8.17241*8 1*3.19675 0.3911635 61。42.2.2 对餐饮公司菜品的赚钱奉献度(即菜品赚钱帕累托分析)，画出帕累托图。”，ar*-7，“，M r.1*，/*-*，*一t a IMM.laWl 1(1MM.1MM*-nJ.、.，S*11 j iaaM.wewniTK “I C ap3inm.u n x，.”H R-2 L J J M -f accratMtaC,)|r i la UlmtMel(aalM*.l-rt-.nl，.1-lr wr-t i l.”(3)数据预解决缺省值的解决：用均值替换、回归查补和多重查补对缺省值进行解决对连续属性离散化：用等频、等宽等方法对数据进行离散化解决,”“，|一，1-“一”；：，五、实验结果按照实验环节对餐饮销量数据进记录量分析，求出了销量数据均值、中位数、极差、标准差，变异系数和四分位数间距,并在上述报告中用表格显示出来；得到了餐饮公司菜品的赚钱奉献度（即菜品赚钱帕累托分析）；最后进行数据预解决。六、思考与分析1、异常值的存在会对挖掘结果带来什么样的不良影响？答：在实验中，由于测量产生误差，从而导致个别数据出现异常，往往导致结果产生较大的误差，即出现数据的异常.而异常数据的出现会掩盖实验数据的变化规律，以致使研究对象变化规律异常，得犯错误结论。2、为什么需要对数据进行规范化？答：规范化目的是使结构更合理，消除存储异常，使数据冗余尽量小，便于插入、删除和更新。
