数据挖掘实验报告文档.doc

简介：
本文档为数据挖掘课程的实验报告，详细记录了通过Python等工具进行数据分析与模型构建的过程及结果，涵盖数据预处理、特征选择、算法实现等多个方面。 《数据挖掘》 Weka实验报告 姓名：＿ 学号：＿ 指导教师： 开课学期 2015 至 2016 学年 第二学期 完成日期 2015年6月12日 ### 实验目的 基于威斯康辛州乳腺癌原始数据集，使用Weka平台进行分类分析。该数据集包含多种属性信息用于预测样本是否为恶性或良性肿瘤，并通过不同算法比较其性能。 ### 实验环境 实验采用Weka平台（由新西兰怀卡托大学开发的机器学习和数据分析软件），并利用威斯康辛州乳腺癌原始数据集进行操作，这些数据可以从UCI Machine Learning Repository获取。Weka使用Java编写而成，在GNU通用公共许可证下发布，适用于各种操作系统。 ### 实验步骤 #### 3.1 数据预处理 本实验针对的是威斯康星大学麦迪逊分校提供的乳腺癌数据库（原始版本）。该表包含Sample code number、Clump Thickness等共十一个属性。其中第二项至第十项取值范围为1-10，分类中2代表良性肿瘤，4表示恶性肿瘤。 #### 3.2 数据分析 通过将数据导入Excel进行预处理后转换成CSV格式，并手动添加每一列的标题信息。最终需要保存为ARFF文件以便于Weka平台使用。 具体步骤包括： - 将从UCI机器学习库下载的数据复制粘贴到Excel中，选择“分列”功能以逗号作为分隔符完成数据导入； - 在第一行手工添加属性名：Sample code number、Clump Thickness等共十一个字段信息； - 保存为CSV文件，并使用Weka自带的命令行工具将该文件转换成ARFF格式。 #### .csv -> .arff 在启动Weka后进入“Explorer”模块，选择打开文件功能加载已处理好的乳腺癌数据集.csv。通过内置的功能可以轻松地将其转化为适合于分类算法使用的.arff文件形式。 以上是实验报告的部分内容概述，后续将对具体的数据分析过程和结果进行详细描述与展示。