数据分析与数据挖掘.docx

《数据分析与数据挖掘.docx》由会员分享，可在线阅读，更多相关《数据分析与数据挖掘.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、实验目的1,使用数据挖掘中的算法，使用IBK, tree.J48, bayes.BayesNet三个算法2,应用不同的分类算法，比拟他们之间的差距,选出最正确算法3, 了解weka平台的基本操作还有使用的方法实验的环境Windows7+weka实验内容与步骤1,数据的准备及预处理：使用数据集为weather.symbolic2,数据集属性：序号标签计数权重1sunny55.02overcast44.03rainy55.0选择属性剔重：3名称：outlook 丧失：0 (0%)类型：标准唯一：0 (0%)3,数据集的可视化:4,三种分类算法并进行分析IBK算法（k最近邻算法分类），数据集weat

2、her.symbolic的拆分比例为66%,使用交叉验 证，从图中可以看出，在IBK算法下weather.symbolic数据集正确分类的数据量为8, 成功率为57.1429%,错误分类的数据量为6,失败率为42.8571%。tree.48算法（决策树算法分类），数据集weather.symbolic的拆分比例为66%,使用交 叉验证，从图中可以看出，在IBK算法下weather.symbolic数据集正确分类的数据量为 7,成功率为50%,错误分类的数据量为7,失败率为50虬bayes.BayesNet算法），数据集weather.symbolic的拆分比例为66%,使用交叉验证， 从图中可

3、以看出，在IBK算法下weather.symbolic数据集正确分类的数据量为8,成功 率为57.1429%,错误分类的数据量为6,失败率为42.8571%。5 .比拟三种分类算法方法的实验结果根据实验的结果，比拟每种算法的结果，那么可以使用IBK算法和算 法,因为他们两个的成功率为57.1429%,失败率为42.8571%,而使用48算法的时候成 功率为50%,失败率为50%,数据集weather.symbolic使用IBK算法和 算法最好，准确率高。6 .实验总结在这个wake平台，在实验的过程中，了使用三种算法来比拟他们的实验结果, 从而选择一个最好的算法进行数据的挖掘，我们学会了怎样使用这个平台， 对我们有极大的帮助和了解。