商务智能实验五

计算机科学与技术学院实验报告

实验题目：描述性数据挖掘学号：日期：2012-11-21班级：电商09姓名：Email：实验目的：1)．复习关于聚类分析、关联规则等相关的知识点2)．了解Weka中关于聚类分析、关联规则挖掘部分的功能3)．掌握使用Weka进行聚类分析、关联规则挖掘的方法步骤硬件环境：

电子商务实验室计算机软件环境：WindowsXP实验步骤：聚类分析在这里，依然使用之前给出的bank-data.arff数据集进行聚类分析的实验，使用最常见的K均值（K-means）算法。下面简单描述一下K均值聚类的步骤：K均值算法首先随机的指定K个簇中心。然后：将每个实例分配到距它最近的簇中心，得到K个簇；计分别计算各簇中所有实例的均值，把它们作为各簇新的簇中心。重复1)和2)，直到K个簇中心的位置都固定，簇的分配也固定。步骤一：数据预处理K均值算法只能处理数值型的属性，遇到分类型的属性时要把它变为若干个取值0和1的属性。Weka将自动实施这个分类型到数值型的变换，而且Weka会自动对数值型的数据作标准化。因此，对于原始数据“bank-data.arff”，此处的预处理只是删去属性“id”，修改属性“children”为分类型。这样得到的数据文件另存为“bank-data_cluster.arff”。步骤二：进行聚类配置用“Explorer”打开刚才得到的“bank-data_cluster.arff”，并切换到“Cluster”。点“Choose”按钮选择“SimpleKMeans”，这是Weka中实现K均值的算法。点击旁边的文本框，修改“numClusters”为6，说明希望把这600条实例聚成6类，即K=6。下面的“seed”参数是要设置一个随机种子，依此产生一个随机数，用来得到K均值算法中第一次给出的K个簇中心的位置。不妨暂时让它就为10。选中“ClusterMode”的“Usetrainingset”，点击“Start”按钮，观察右边“Clustereroutput”给出的聚类结果。也可以在左下角“Resultlist”中这次产生的结果上点右键，“Viewinseparatewindow”在新窗口中浏览结果。关联规则挖掘步骤一：数据预处理打开数据集“bank-data.arff”后，需要去除ID属性，方法参照之前的实验内容；此外，由于在这次关联规则挖掘中采用的是Apriori算法，该算法不支持连续的数值型属性，所以需要将bank-data中关于age、income两个属性离散化。在这里使用Preprocess选项卡中的数据过滤器（filter），进行数据离散化。选择过滤器“choose”按钮，或者在同行的空白处点击一下，即可弹出过滤器选择框，逐级找到“Weka.filters.unsupervised.attribute.Discretize”，点击；若无法关闭这个树，在树之外的地方点击“Explorer”面板即可。现在“Choose”旁边的文本框应该显示“Discretize-B10-M-0.1-Rfirst-last”。点击这个文本框会弹出新窗口以修改离散化的参数。因为不打算对所有的属性离散化，只是针对对第1个和第4个属性，故把attributeIndices右边改成“1,4”。计划把这两个属性都分成3段，于是把“bins”改成“3”。其它框里不用更改，关于它们的意思可以点“More”查看。点“OK”回到“Explorer”，可以看到“age”和“income”已经被离散化成分类型的属性。若想放弃离散化可以点“Undo”。步骤二：参数设置选择Associate选项卡，进行关联规则挖掘。现在计划挖掘出支持度在10%到100%之间，并且lift值超过1.5且lift值排在前100位的那些关联规则。点击文字框的空白处，在弹出的属性修改窗口中把“lowerBoundMinSupport”和“upperBoundMinSupport”分别设为0.1和1，“metricType”设为lift，“minMetric”设为1.5，“numRules”设为100。其他选项保持默认即可。“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摘要和挖掘结果。结果如图所示：步骤三：结果分析1、对于结果中出现的一下信息Minimumsupport:0.15(90instances)：最小支持度为0.15，也就是15%因为总数为600，所以共有90个实例Minimummetric<lift>:1.5：最小提升度为1.5Bestrulesfounds我们来分析其中的一条，具体内容如下：age='(-inf-34.333333]'195==>income='(-inf-24386.173333]'current_act=YES138conf:(0.71)<lift:(1.97)>lev:(0.11)[68]conv:(2.16) 从字面上很容易就可以读出这条规则的信息：对于那些年龄小于34.3岁的（共有195人），他们的收入低于24386.17，并且拥有日常开支账户。后面给出了各