用weka进行数据挖掘毕业设计（论文)word格式.doc

数据挖掘课程作业题目 用weka进行数据挖掘 班级 学号 姓名 日期 目录1引言21.1设计说明21.2软件22正文32.1数据集说明32.2利用simplekmeans算法对数据进行聚类72.2.1 k-means算法原理72.2.2 simplekmeans算法83结论134.参考文献131引言1.1设计说明数据挖掘（data mining）是发现数据中有用模式的过程。数据挖掘会话的目的是确定数据的趋势和模式。数据挖掘强调对大量观测到的数据库的处理。它是涉及数据库管理，人工智能，机器学习，模式识别，及数据可视化等学科的边缘学科。用统计的观点看，它可以看成是通过计算机对大量的复杂数据集的自动探索性分析。数据集，又称为资料集、数据集合或资料集合，是指一种由数据所组成的集合。data set（或dataset）是一个数据的集合，通常以表格形式出现。每一列代表一个特定变量。每一行都对应于某一成员的数据集的问题。它列出的价值观为每一个变量，如身高和体重的一个物体或价值的随机数。每个数值被称为数据资料。对应于行数，该数据集的数据可能包括一个或多个成员。本文引用的数据集为zoo数据集，应用weka载入数据集，并将数据集进行聚类，分析聚类结果。1.2软件本次设计用到的软件为：wekaweka简介:weka的全名是怀卡托智能分析环境（waikato environment for knowledge analysis），weka 诞生于 university of waikato（新西兰）（weka也是新西兰的一种鸟名）并在 1997 年首次以其现代的格式实现。它使用了 gnu general public license (gpl)。该软件以 java 语言编写并包含了一个 gui 来与数据文件交互并生成可视结果（比如表和曲线）。它还有一个通用 api，所以用户可以像嵌入其他的库一样将 weka 嵌入到用户自己的应用程序以完成诸如服务器端自动数据挖掘这样的任务。weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。2正文2.1数据集说明数据集名称：zoo database数据类型：nominal1. source information - creator: richard forsyth - donor: richard s. forsyth 8 grosvenor avenue mapperley park nottingham ng3 5dx 0602-621676 - date: 5/15/1990 2. past usage: - none known other than what is shown in forsyths pc/beagle users guide.3. relevant information: - a simple database containing 17 boolean-valued attributes. the type attribute appears to be the class attribute. here is a breakdown of which animals are in which type: (i find it unusual that there are 2 instances of frog and one of girl!) class# set of animals: = = 1 (41) aardvark, antelope, bear, boar, buffalo, calf, cavy, cheetah, deer, dolphin, elephant, fruitbat, giraffe, girl, goat, gorilla, hamster, hare, leopard, lion, lynx, mink, mole, mongoose, opossum, oryx, platypus, polecat, pony, porpoise, puma, pussycat, raccoon, reindeer, seal, sealion, squirrel, vampire, vole, wallaby,wolf 2 (20) chicken, crow, dove, duck, flamingo, gull, hawk, kiwi, lark, ostrich, parakeet, penguin, pheasant, rhea, skimmer, skua, sparrow, swan, vulture, wren 3 (5) pitviper, seasnake, slowworm, tortoise, tuatara 4 (13) bass, carp, catfish, chub, dogfish, haddock, herring, pike, piranha, seahorse, sole, stingray, tuna 5 (4) frog, frog, newt, toad 6 (8) flea, gnat, honeybee, housefly, ladybird, moth, termite, wasp 7 (10) clam, crab, crayfish, lobster, octopus, scorpion, seawasp, slug, starfish, worm4. number of instances: 1015. number of attributes: 18 (animal name, 15 boolean attributes, 2 numerics)6. attribute information: (name of attribute and type of value domain) 1. animal name: unique for each instance 2. hairboolean 3. feathersboolean 4. eggsboolean 5. milkboolean 6. airborneboolean 7. aquaticboolean 8. predatorboolean 9. toothedboolean 10. backboneboolean 11. breathesboolean 12. venomousboolean 13. finsboolean 14. legsnumeric (set of values: 0,2,4,5,6,8) 15. tailboolean 16. domesticboolean 17. catsizeboolean 18. typenumeric (integer values in range 1,7)7. missing attribute values: none8. class distribution: given above代码如下：relation zooattribute animal aardvark,antelope,bass,bear,boar,buffalo,calf,carp,catfish,cavy,cheetah,chicken,chub,clam,crab,crayfish,crow,deer,dogfish,dolphin,dove,duck,elephant,flamingo,flea,frog,fruitbat,giraffe,girl,gnat,goat,gorilla,gull,haddock,hamster,hare,hawk,herring,honeybee,housefly,kiwi,ladybird,lark,leopard,lion,lobster,lynx,mink,mole,mongoose,moth,newt,octopus,opossum,oryx,ostrich,parakeet,penguin,pheasant,pike,piranha,pitviper,platypus,polecat,pony,porpoise,puma,pussycat,raccoon,reindeer,rhea,scorpion,seahorse,seal,sealion,seasnake,seawasp,skimmer,skua,slowworm,slug,sole,sparrow,squirrel,starfish,stingray,swan,termite,toad,tortoise,tuatara,tuna,vampire,vole,vulture,wallaby,wasp,wolf,worm,wrenattribute hair false, trueattribute feathers false, trueattribute eggs false, trueattribute milk false, trueattribute airborne false, trueattribute aquatic false, trueattribute predator false, trueattribute toothed false, trueattribute backbone false, trueattribute breathes false, trueattribute venomous false, trueattribute fins false, trueattribute legs integer 0,9attribute tail false, trueattribute domestic false, trueattribute catsize false, trueattribute type mammal, bird, reptile, fish, amphibian, insect, invertebrate data% instances (101):%aardvark,true,false,false,true,false,false,true,true,true,true,false,false,4,false,false,true,mammalantelope,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,true,mammalbass,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,false,fishbear,true,false,false,true,false,false,true,true,true,true,false,false,4,false,false,true,mammalboar,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalbuffalo,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,true,mammalcalf,true,false,false,true,false,false,false,true,true,true,false,false,4,true,true,true,mammalcarp,false,false,true,false,false,true,false,true,true,false,false,true,0,true,true,false,fishcatfish,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,false,fishcavy,true,false,false,true,false,false,false,true,true,true,false,false,4,false,true,false,mammalcheetah,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalchicken,false,true,true,false,true,false,false,false,true,true,false,false,2,true,true,false,birdchub,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,false,fishclam,false,false,true,false,false,false,true,false,false,false,false,false,0,false,false,false,invertebratecrab,false,false,true,false,false,true,true,false,false,false,false,false,4,false,false,false,invertebratecrayfish,false,false,true,false,false,true,true,false,false,false,false,false,6,false,false,false,invertebratecrow,false,true,true,false,true,false,true,false,true,true,false,false,2,true,false,false,birddeer,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,true,mammaldogfish,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,true,fishdolphin,false,false,false,true,false,true,true,true,true,true,false,true,0,true,false,true,mammaldove,false,true,true,false,true,false,false,false,true,true,false,false,2,true,true,false,birdduck,false,true,true,false,true,true,false,false,true,true,false,false,2,true,false,false,birdelephant,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,true,mammalflamingo,false,true,true,false,true,false,false,false,true,true,false,false,2,true,false,true,birdflea,false,false,true,false,false,false,false,false,false,true,false,false,6,false,false,false,insectfrog,false,false,true,false,false,true,true,true,true,true,false,false,4,false,false,false,amphibianfrog,false,false,true,false,false,true,true,true,true,true,true,false,4,false,false,false,amphibianfruitbat,true,false,false,true,true,false,false,true,true,true,false,false,2,true,false,false,mammalgiraffe,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,true,mammalgirl,true,false,false,true,false,false,true,true,true,true,false,false,2,false,true,true,mammalgnat,false,false,true,false,true,false,false,false,false,true,false,false,6,false,false,false,insectgoat,true,false,false,true,false,false,false,true,true,true,false,false,4,true,true,true,mammalgorilla,true,false,false,true,false,false,false,true,true,true,false,false,2,false,false,true,mammalgull,false,true,true,false,true,true,true,false,true,true,false,false,2,true,false,false,birdhaddock,false,false,true,false,false,true,false,true,true,false,false,true,0,true,false,false,fishhamster,true,false,false,true,false,false,false,true,true,true,false,false,4,true,true,false,mammalhare,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,false,mammalhawk,false,true,true,false,true,false,true,false,true,true,false,false,2,true,false,false,birdherring,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,false,fishhoneybee,true,false,true,false,true,false,false,false,false,true,true,false,6,false,true,false,insecthousefly,true,false,true,false,true,false,false,false,false,true,false,false,6,false,false,false,insectkiwi,false,true,true,false,false,false,true,false,true,true,false,false,2,true,false,false,birdladybird,false,false,true,false,true,false,true,false,false,true,false,false,6,false,false,false,insectlark,false,true,true,false,true,false,false,false,true,true,false,false,2,true,false,false,birdleopard,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammallion,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammallobster,false,false,true,false,false,true,true,false,false,false,false,false,6,false,false,false,invertebratelynx,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalmink,true,false,false,true,false,true,true,true,true,true,false,false,4,true,false,true,mammalmole,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,false,mammalmongoose,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalmoth,true,false,true,false,true,false,false,false,false,true,false,false,6,false,false,false,insectnewt,false,false,true,false,false,true,true,true,true,true,false,false,4,true,false,false,amphibianoctopus,false,false,true,false,false,true,true,false,false,false,false,false,8,false,false,true,invertebrateopossum,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,false,mammaloryx,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,true,mammalostrich,false,true,true,false,false,false,false,false,true,true,false,false,2,true,false,true,birdparakeet,false,true,true,false,true,false,false,false,true,true,false,false,2,true,true,false,birdpenguin,false,true,true,false,false,true,true,false,true,true,false,false,2,true,false,true,birdpheasant,false,true,true,false,true,false,false,false,true,true,false,false,2,true,false,false,birdpike,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,true,fishpiranha,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,false,fishpitviper,false,false,true,false,false,false,true,true,true,true,true,false,0,true,false,false,reptileplatypus,true,false,true,true,false,true,true,false,true,true,false,false,4,true,false,true,mammalpolecat,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalpony,true,false,false,true,false,false,false,true,true,true,false,false,4,true,true,true,mammalporpoise,false,false,false,true,false,true,true,true,true,true,false,true,0,true,false,true,mammalpuma,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalpussycat,true,false,false,true,false,false,true,true,true,true,false,false,4,true,true,true,mammalraccoon,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalreindeer,true,false,false,true,false,false,false,true,true,true,false,false,4,true,true,true,mammalrhea,false,true,true,false,false,false,true,false,true,true,false,false,2,true,false,true,birdscorpion,false,false,false,false,false,false,true,false,false,true,true,false,8,true,false,false,invertebrateseahorse,false,false,true,false,false,true,false,true,true,false,false,true,0,true,false,false,fishseal,true,false,false,true,false,true,true,true,true,true,false,true,0,false,false,true,mammalsealion,true,false,false,true,false,true,true,true,true,true,false,true,2,true,false,true,mammalseasnake,false,false,false,false,false,true,true,true,true,false,true,false,0,true,false,false,reptileseawasp,false,false,true,false,false,true,true,false,false,false,true,false,0,false,false,false,invertebrateskimmer,false,true,true,false,true,true,true,false,true,true,false,false,2,true,false,false,birdskua,false,true,true,false,true,true,true,false,true,true,false,false,2,true,false,false,birdslowworm,false,false,true,false,false,false,true,true,true,true,false,false,0,true,false,false,reptileslug,false,false,true,false,false,false,false,false,false,true,false,false,0,false,false,false,invertebratesole,false,false,true,false,false,true,false,true,true,false,false,true,0,true,false,false,fishsparrow,false,true,true,false,true,false,false,false,true,true,false,false,2,true,false,false,birdsquirrel,true,false,false,true,false,false,false,true,true,true,false,false,2,true,false,false,mammalstarfish,false,false,true,false,false,true,true,false,false,false,false,false,5,false,false,false,invertebratestingray,false,false,true,false,false,true,true,true,true,false,true,true,0,true,false,true,fishswan,false,true,true,false,true,true,false,false,true,true,false,false,2,true,false,true,birdtermite,false,false,true,false,false,false,false,false,false,true,false,false,6,false,false,false,insecttoad,false,false,true,false,false,true,false,true,true,true,false,false,4,false,false,false,amphibiantortoise,false,false,true,false,false,false,false,false,true,true,false,false,4,true,false,true,reptiletuatara,false,false,true,false,false,false,true,true,true,true,false,false,4,true,false,false,reptiletuna,false,false,true,false,false,true,true,true,true,false,false,true,0,true,false,true,fishvampire,true,false,false,true,true,false,false,true,true,true,false,false,2,true,false,false,mammalvole,true,false,false,true,false,false,false,true,true,true,false,false,4,true,false,false,mammalvulture,false,true,true,false,true,false,true,false,true,true,false,false,2,true,false,true,birdwallaby,true,false,false,true,false,false,false,true,true,true,false,false,2,true,false,true,mammalwasp,true,false,true,false,true,false,false,false,false,true,true,false,6,false,false,false,insectwolf,true,false,false,true,false,false,true,true,true,true,false,false,4,true,false,true,mammalworm,false,false,true,false,false,false,false,false,false,true,false,false,0,false,false,false,invertebratewren,false,true,true,false,true,false,false,false,true,true,false,false,2,true,false,false,bird%数据预处理：一开始从网上下到的数据只有单纯的六百条记录，没有属性的划分weka不能读出。因此在数据中添加了如下语句：relation synthetic_control3attribute a1 nominaldata从而使软件能够正确地识别数据记录及其属性。2.2利用simplekmeans算法对数据进行聚类2.2.1 k-means算法原理k均值算法以k为输入参数，把n个对象的集合分成k个簇，使得结果内的相似程度最高，而簇间的相似程度低。簇的相似度是关于簇中对象的举止度量。可以看作簇的质心。k均值算法的处理流程如下。首先，随机地选择k个对象，每一个对象代表一个簇的初始均值或者中心。对剩余的每一个对象，根据其与各个簇均值的距离，把它指派到最相似的簇。然后计算每一个簇新的均值。这个过程不断重复，知道准则函数收敛。其中准则函数定义如下：其中，e是数据集所有对象的平方误差和，p是空间中的点，表示给定对象，是簇的均值。算法描述：输入：聚类个数k，以及包含 n个数据对象的数据库。输出：满足方差最小标准的k个聚类。处理流程： (1) 从 n个数据对象任意选择 k 个对象作为初始聚类中心；(2) 循环(3)到(4)直到每个聚类不再发生变化为止(3) 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对