数据挖掘weka数据分类实验报告.docx
- 文档编号:16892351
- 上传时间:2023-07-19
- 格式:DOCX
- 页数:14
- 大小:776.06KB
数据挖掘weka数据分类实验报告.docx
《数据挖掘weka数据分类实验报告.docx》由会员分享,可在线阅读,更多相关《数据挖掘weka数据分类实验报告.docx(14页珍藏版)》请在冰点文库上搜索。
数据挖掘weka数据分类实验报告
一、实验目的
使用数振挖掘中的分类算法,对数据集进行分类训练并测试。
应用不同的分类算法,比校他们之间的不同。
与此同时了解Wcka平台的根本功能与使用方法。
实验采用Wcka平台,数据使用Weka安装目录下data文件夹下的默认数据集iris,arff°
Wcka是怀卡托智能分析系统的缩写,该系统由新西兰怀卡托大学开发Neka使用Java写成的,并且限制在GNU通用公共证书的条件下发布。
它可以运行于几乎所有操作平台,是一款免费的,非商业化的机器学习以及数据挖掘软件oWcka提供了一个统一界面,可结合预处理以及后处理方法,将许多不同的学习算法应用于任何所给的数損集,并评估由不同的学习方案所得出的结果。
三、数据预处理
Wcka平台支持ARFF格式和CSV格式的数据。
由于本次使用平台自带的ARFF格式数据,所以不存在格式转换的过程。
实验所用的ARFF格式数損集如图1所示
图1ARFF格式数据集(iris,arff)对于iris数据集,它包含了150个实例〔每个分类包含50个实例〕,共有sepallength'sepalwidth・petallength、petalwidth和class五种属性。
期中前四种属性为数值类型,class属性为分类属性,表示实例所对应的的类别。
该数据集中的全部实例共可分为三类:
IrisSetosa、IrisVersicolour^IrisVirginies。
实验数据集中所有的数据都是实验所需的,因此不存在属性筛选的问趣。
假设所采用的数据集中存在大童的与实骑无关的属性,那么需要使用wcka平台的Filter•〔过滤器〕实现属性的筛选。
实验所需的训练集和测试集均为•仃°
四、实验过程及结果
应用ids数据集,分别采用LibSVM<4.5决策树分类器和朴素贝叶斯分类器进行测试和评价,分别在训练数損上训练出分类模型,找出各个模型最优的参数值,并对三个模型进行全面评价比拟,得到一个最好的分类模型以及该模型所有设置的最优参数。
最后使用这些参数以及训练集和校验集数据一起构违出一个最优分类器,并利用该分类器对测试数据进行预测。
1、LibSVM分类
Weka平台部没有集成libSVM分类器,要使用该分类器,需要下载libsvni.jar并导入到Weka中。
用uExplorer°翻开数据集Miris.arffM,并在Explorer中将功能面板切换到“Classify〞。
点“Choose〞按钮选择Mfunctions〔weka.classifiers.functions.LibSVM〕M*选择LibSVM分类算法。
在TestOptions面板中选择Cross-Validatioinfolds=10*即十折交叉验证。
然后点击“start〞按钮:
使用LibSVM分类算法训练数据集得出的结果
参数—SO-K2-D3-G0.0-R0.0-NO.5-M40.0
==Classifierncxiel(fulltraining3et)===
Timetakentobuildnodcl:
0・023cconda
==Stratifiedcross-validation=====Sunmary===
ConfusionMatrix=■
5000Ia=Iris-setcsa
0473Ib=Iris-versicolcr
0248Ic=Iris-virginica
结果分析:
使用该参数指定的LibSVM训练数据集,得到准确率为96.6667%,其中150个实例中的145个被正确分类•5个被错误分类。
根扌思混淆矩阵,被错误分类实例的为:
2个b类实例被错误分类到c:
3个c类实例被错误分类到b。
该算法P=0.967,R二0.967,ROC面积为0.975。
将模型应用于测试集:
使用LibSVM分类算法测试数据集得出的结果
===Re-evaluationontestset===
Usersuppliedtest3et
Relation:
iris
Instances:
unknown(yet)・Readingincreirfin^ally
Attributes:
5
===Summary==
CorrectlyClassifiedInstancesIncorrectlyClassifiedInstancesKappastatistic
Meanabsoluteerror
Rootmeansquarederror
ToualNuiri>erorInsuances
148
2
Q・0943
150
98.6667%
1.3333%
=DetailedAccuracyBy
Class=
TPRate
FPRate
Precision!
Recall
F-Measure
ROCArea
Class
1
0
1
1
1
1
Iri3-aetosa
0
1
o.g?
Iri3-ver3icolor
1
1
Iris-virginica
===ConfusionMatrix===
abc<—classifiedas
SO00Ia=Iris-setosa
0482Ib=Iris-versicclor
0050Ic=Iris-virginica
分类误差:
WekaClassifierVisualrze:
10:
01:
47・functions.LibSVM(iris)
结果分析:
准确率为9&6667%,只有两个实例被错误分类。
P二0.987,R二0.987,ROC面积为0.99
2、决策树分类器
依然使用十折交又验证,训练集和测试集相同。
使用C4.5决策树分类算法训练数据集得出的结果
参数:
-C0.25-M2
===Stratifiedcross-validation======Suranary===
CorrectlyClassifiedInstances
144
96
IncorrectlyClassifiedInsranoes
6
4
Kappastatistic
Keanabsoluteerror
Rootmeansquarederror
0・158€
Relativeabsoluteerror
7.8705%
Rootrelativesquarederror
33.6353%
TotalNunberofInstances150
-—DetailedAccuracyByClas3
TPRate
F?
Rate
Precision
Recall
F-Measure
ROCArea
Class
0
1
Iris-setosa
Ins-versicolor
0.9€
0・9S
Iri3-virginicQ
ReiahtedAvq・0・96
===ConfusionMatrix===
abc<——cla^^ificdan
4910Ia=Iris-setosa
0473Ib=Iris-versicolor
0248Ic=Iris-virginioa
结果分析:
使用该参数指定的决策树分类器训练数扌忌集,得到准确率为96%,其中150个实例中的144个被正确分类,6个被错误分类。
根据混淆矩阵,被错误分类实例的为:
2个b类实例被错误分类到c,1个b类实例被错误分类到a;3个c类实例被错误分类到b。
该算法
P二0.96,R=0.96>ROC面积为0.968。
将模型应用于测试集:
使用C4.5分类算法测试数据集得出的结果
==Re-evaluationontescset===
Usersuppliedzest3et
Relation:
iris
Instances:
unknown(yet)・Readingincrementally
Attributes:
==suirmary===
CorrectlyClassifiedInstances
147
98
IncorrectlyClassifiedInstances
5
2
Kappastatistic
0・97
Meanahoolutcerror
Rootmeansquarederrer
TotalNumberofIns*ance3
L50
==DetailedAccuracyByClas3
TFRate
FFRate
Precision
Recall
F-Measure
ROCArea
Class
1
0
1
1
1
1
Iris-setosa
Iris-versicolor
0.9€
Iris-virginica
==ConfusionMatrix===
abc<—classifiedas
5000Ia=Iris-secosa
0491Ib=Iris-versicolor
0248Ic=Iris-virginica
分类误差:
结果分析:
准确率为98%,有3个实例被错误分类。
戸二0・98,R二,ROC面积为0.993
3、朴素贝叶斯分类器
使用朴素贝叶斯分类算法训练数据集得出的结杲参数:
无
==Summary==
CorrectlyClassifiedInstances
143
IncorrectlyClassifiedInstances
7
Kacpastatiscic
yfeanabsoluteerror
Roc匸meansquarederror
Relativeabsoluteerror
8.4391%
Rootrelative3quarederror
32.6809%
TotalNumberofInotancco150
==DetailedAccuracyByClass===
TPRate
FFRate
Precision
Recall
F-Measure
ROCArea
Class
1
0
L
1
1
1
Iris-setosa
0.931.
Iris-versicoLor
Iris-virginioa
KelgtuedA、/
==ConfusionMatrix===
aDc<—ciassirieias
5000a=Iris-setosa
0473b=Iris-versicolor
0446c=Iria-virginica
结果分析:
使用朴素贝叶斯分类器训练数据集,得到准确率为95.3333%,其中150个实例中的143个被正确分类,7个被错误分类。
根据混淆矩阵,被错误分类实例的为:
4个b类实例被错误分类到c:
3个c类实例被错误分类到b。
该算法P=0.953,R=0.953*ROC面积为0.994。
将模型应用于测试集:
使用朴素贝叶斯分类算法测试数据集得出的结果
CorrectlyClassifiedInstances
144
96
IncorrectlyClassifiedInstances
6
4
Kappastatistic
Meanabsoluteerror
Rootmeansquarederror
TctalNuirberofInstances
150
===Summary==
Class===
===Re-evaluationcntestsez===
Usersuppliedte3tset
Relation:
iris
Instances:
unknown(yet)・Readingincrementally
Attributes:
TPRate
FPRate
Precision
Recall
F-Keasure
ROCArea
Class
1
0
1
1
1
1
Iris-setcsa
Iris-versicolor
Iris-virginica
Weighted襄vg・0・96
===DetailedAccuracyBy
===ConfusionMacrix===
abc<——classifiedas
5000Ia=Iris-setcsa
0473Ib=Iris-versicolor
0347Ic=Iris-virginica
分类误差:
结果分析:
准确率为96%,有6个实例被错误分类。
戸二0・96,R二,ROC面积为0.995
4、三种分类算法比拟:
LibSVM
C4.5决策树
朴素贝叶斯
校验准确率
98.6667%
98%
96%
训练
混淆矩阵
校验
混淆矩阵
标准误差
0.0943
0.1483
比校结果分析:
LibSVM算法相比决策树算法、朴素贝叶斯算法具有更好的分类性能。
五、实验总结
通过本次实验,我对Wcka平台有了比拟完整和深入的认识,掌握了使用Wcka平台进行数据挖掘的方法,包括数据预处理、分类、聚类、关联分析等。
通过实验,对数据挖掘本身也有了比拟直观的认识。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 挖掘 weka 分类 实验 报告