数据挖掘WEKA报告bezdekIris

3/3数据挖掘WEKA报告bezdekIris第一部分概述

1.数据挖掘目的：根据已有的数据信息，寻找出鸢尾的属性之间存在怎样的关联规则。

2.数据源：UCI提供的150个实例，每个实例有5个属性。

3.数据集的属性信息：

(1).sepallengthincm萼片长度（单位：厘米）（数值型）

(2).sepalwidthincm萼片宽度（单位：厘米）（数值型）

(3).petallengthincm花瓣长度（单位：厘米）（数值型）

(4).petalwidthincm花瓣宽度（单位：厘米）（数值型）

(5).class:类型（分类型），取值如下

--IrisSetosa山鸢尾

--IrisVersicolor变色鸢尾

--IrisVirginica维吉尼亚鸢尾

4.试验中我们采用bezdekIris.data数据集，对比UCI发布的iris.data数据集（08-Mar-1993）和bezdekIris.data数据集（14-Dec-1999），可知前者的第35个实例4.9,3.1,1.5,0.1,Iris-setosa和第38个实例4.9,3.1,1.5,0.1,Iris-setosa，后者相应的修改为：4.9,3.1,1.5,0.2,Iris-setosa和4.9,3.1,1.4,0.1,Iris-setosa。

第二部分将UCI提供的数据转化为标准的ARFF数据集

1.将数据集处理为标准的数据集，对于原始数据，我们将其拷贝保存到TXT文档，采用UltraEdit工具打开，为其添加属性信息。如图：

2.（1）将bezdekIris.txt文件导入MicrosoftOfficeExcel（导入时，文本类型选择文本文件），如图：

（2）下一步，设置分隔符号，如图：

（3）得到的XLS格式数据如图：

4.在Excel中将其另存为CSV格式文件（CSV格式的文件和XLS格式文件一样），保存的路径为C:\ProgramFiles\Weka-3-6,方便对其进行转化为weka标准的arff格式文件，如图：

5.采用weka的SimpleCLI模块输入命令：javaweka.core.converters.CSVLoaderbezdekIris.csv>bezdekIris.arff将CSV文件转化为标准ARFF文件。成功完成的提示信息：Finishedredirectingoutputto'bezdekIris.arff'。得到的数据集如图所示：

6.至此得到了标准的ARFF格式文件。

第三部分采用关联规则对ARFF数据集进行处理

1.对ARFF数据集进行预处理，即进行数据的离散化，将sepal-length,sepal-width,petal-length和petal-width四个数值型的数据转化为分类型的数据，设置相应的参数为：weka.filters.unsupervised.attribute.Discretize-B10-M-1.0-R1-4，即将每个属性的值分为10类，选择关联规则的Apriori算法，相应的参数设置为：weka.associations.Apriori-N10-T0-C0.9-D0.05-U1.0-M0.1-S-1.0-A-c-1，即计划挖掘出支持度在10%到100%之间，并且置信度超过90%，按照置信度排前10条的关联规则。

2.在关联规则挖掘面板中操作：（1）“car”设置为Ture，表示挖掘为类关联规则；（2）“classIndex”设置为-1，表示最后的属性被当作类属性；（3）把“lowerBoundMinSupport”和“upperBoundMinSupport”分别设为1和0.1，表示支持度的上界和下界；（4）“metricType”设为Confidence，表示以置信度衡量（类关联规则只能用置信度挖掘）；（5）“minMetric”设为0.9，表示度量最小值；（6）“numRules”设为10，表示规则数。其他选项保持默认。“OK”之后在“Explorer”中点击“Start”开始运行算法，在右边窗口显示数据集

3.1得到的关联规则结果如图：

3.2这样我们一共产生了9条规则，分析如下：

（1）对于规则1，可以得到的知识为：当花瓣宽度小于等于0.34厘米（petal-width≤0.34）时，此鸢尾为山鸢尾，规则的置信度为1，支持度为41/150=0.273。（2）对于规则2，可以得到的知识为：当花瓣长度小于等于1.59厘米（petal-length≤1.59）时，此鸢尾为山鸢尾，规则的置信度为1，支持度为37/150=0.247。（3）规则3其实是规则1和2的交集，演化。

（4）对于规则4，可以得到的知识为：花瓣宽度在1.06厘米到1.3厘米之间（1.06＜petal-width≤1.3）时，此鸢尾为变色鸢尾，规则的置信度为1，支持度为

21/150=0.14。

（5）对于规则5，可以得到的知识为：花瓣长度在5.13厘米到5.72厘米之间（5.13＜petal-length≤5.72）时，此鸢尾为维吉尼亚鸢尾，规则的置信度为1，支持度为18/150=0.12。

（6）规则6是规则1的演化。

（7）规则7是规则1的演化。

（8）对于规则8，可以得到的知识为：花瓣长度在3.95厘米到4.54厘米之间（3.95＜petal-length≤4.54）时，此鸢尾为变色鸢尾，规则的置信度为0.96，支持度为25/150=0.167。

（9）对于规则9，可以得到的知识为：花瓣宽度在1.78厘米到2.02厘米之间（1.78＜petal-width≤2.02）时，此鸢尾为维吉尼亚鸢尾，规则的置信度为0.96，支持度为22/150=0.147。

3.4从这些规则中我们可以知道，判断鸢尾属于那一种类，应该从花瓣的长度和宽度上进行考虑。

第四部分采用聚类对ARFF数据集进行处理

1.参数相应设置为weka.clusterers.SimpleKMeans-N3-A

"weka.core.EuclideanDistance-Rfirst-last"-I500-S800设置分为3个簇，距离公式采用欧几里德距离公式，随机种子数依次为100，200，300.……800，"Clustermode"设置为"classestoclustersevalution"，以便对比进行评估，并且勾选"Store

2.我们知道Withinclustersumofsquarederrors是评价聚类好坏的标准，数值越小说明同一簇类实例之间的距离越小，聚类的结果也就越好。从这个表中我们可以知道当seed取值为200，400，600，800时，其Withinclustersumofsquarederrors值相同，且为最小，这时的聚类效果最好，这样我们就找到了最好的聚类方案。

3.1将seed取值为800，其聚类效果如图所示：

图4-1seed-800聚类效果图

注：□表示预测与真实不相符合，×表示预测与真实相符合，那么×越多表示聚类的效果越好。

4.1如果将seed取值改为100，其效果如图：

图