根据weka的数据分类和聚类分析实验报告

**基于weka的数据分类分析实验报告实验基本内容本实验的基本内容是通过使用weka中的三种常见分类和聚类方法（决策树J48、KNN谢谢阅读k-means）分别在训练数据上训练出分类模型，并使用校验数据对各个模型进行测试和评价，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较，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造出一个最优分类器，并利用该分类器对测试数据进行预测。感谢阅读数据的准备及预处理2.1格式转换方法(1)打开“data02.xls”另存为CSV类型，得到“data02.csv”。谢谢阅读(2)在WEKA中提供了一个“ArffViewer”模块，打开一个“data02.csv”进行浏览，精品文档放心下载然后另存为ARFF文件，得到“data02.arff”。 。精品文档放心下载实验过程及结果截图3.1决策树分类(1)决策树分类用“Explorer”打开数据“data02.arff”，然后切换到“Classify”。点击“Choose”，精品文档放心下载**选择算法“trees-J48”，再在“Testoptions”选择“Cross-validation（Flods=10）”，点感谢阅读击“Start”，开始运行。系统默认trees-J48决策树算法中minNumObj=2，得到如下结果精品文档放心下载===Summary===CorrectlyClassifiedInstances2388.4615%IncorrectlyClassifiedInstances311.5385%Kappastatistic0.7636Meanabsoluteerror0.141Rootmeansquarederror0.3255Relativeabsoluteerror30.7368%Rootrelativesquarederror68.0307%**TotalNumberofInstances26===DetailedAccuracyByClass===TPRateFPRatePrecisionRecallF-MeasureROCAreaClass0.824010.8240.9030.892N10.1760.7510.8570.892YWeightedAvg.0.8850.0610.9130.8850.8870.892===ConfusionMatrix===ab<--classifiedas143|a=N09|b=Y使用不同的参数准确率比较：minNumObj2345Correctly23222323ClassifiedInstances（88.4615%（84.6154%（88.4615%（88.4615%））））由上表，可知minNumObj为2时，准确率最高。根据测试数集，利用准确率最高的模型得到的结果：****分析说明：在用J48对数据集进行分类时采用了10折交叉验证（Folds=10）来选择和评估模型，谢谢阅读其中属性值有两个Y，N。一部分结果如下：CorrectlyClassifiedInstances2388.4615%IncorrectlyClassifiedInstances311.5385%===ConfusionMatrix===ab<--classifiedas143|a=N09|b=Y这个矩阵是说，原来是“Y”的实例，有14个被正确的预测为“Y”,有3个错误的预精品文档放心下载测成了“N”。原本是“NO”的实例有0个被正确的预测成为“Y”，有9个正确的预测成谢谢阅读了“N”。“14+3+0+9=26”是实例的总数，而（14+9）/26=0.884615正好是正确分类谢谢阅读**的实例所占比例。这个矩阵对角线上的数字越大，说明预测得越好。感谢阅读(2)K最近邻分类算法用“Explorer”打开数据“data02.arff”，然后切换到“Classify”。点击“Choose”，谢谢阅读选择算法“lazy-IBk”，再在“Testoptions”选择“Cross-validation（Flods=10）”，点感谢阅读击“Start”，开始运行。训练结果：系统默认lazy-IBkK最近邻分类算法中KNN=1，得到如下结果谢谢阅读===Summary===CorrectlyClassifiedInstances2076.9231%IncorrectlyClassifiedInstances623.0769%Kappastatistic0.4902Meanabsoluteerror 0.252**Rootmeansquarederror0.4626Relativeabsoluteerror54.9136%Rootrelativesquarederror96.694%TotalNumberofInstances26===DetailedAccuracyByClass===TPRateFPRatePrecisionRecallF-MeasureROCAreaClass0.8240.3330.8240.8240.8240.768N0.6670.1760.6670.6670.6670.768YWeightedAvg.0.7690.2790.7690.7690.7690.768===ConfusionMatrix===ab<--classifiedas143|a=N36|b=Y使用不同的参数准确率比较：KNN1234Correctly202320Classified19Instances（76.9231%（88.4615%（76.9231%（73.0769%））））由上表，可知KNN为3时，准确率最高。**根据测试数集，利用准确率最高的模型得到的结果：分析说明：在用lazy-Ibk(KNN=3)对数据集进行分类时采用了10折交叉验证（Folds=10）来选谢谢阅读择和评估模型，其中属性值有两个Y，N。一部分结果如下：精品文档放心下载**===Summary===CorrectlyClassifiedInstances2388.4615%IncorrectlyClassifiedInstances311.5385%===ConfusionMatrix===ab<--classifiedas161|a=N27|b=Y这个矩阵是说，原来是“Y”的实例，有16个被正确的预测为“Y”,有1个错误的预精品文档放心下载测成了“N”。原本是“NO”的实例有2个被正确的预测成为“Y”，有9个正确的预测成谢谢阅读了“7”。“16+1+2+7=26”是实例的总数，而（16+7）/26=0.884615正好是正确分类感谢阅读的实例所占比例。二、对“data01”进行聚类分析1.数据格式的转换(1)打开“data01.xls”另存为CSV类型，得到“data01.csv”。谢谢阅读(2)在WEKA中提供了一个“ArffViewer”模块，打开一个“data01.csv”进行浏览，谢谢阅读然后另存为ARFF文件，得到“data01.arff”。谢谢阅读2.聚类过程用“Explorer”打开数据“data01.arff”，然后切换到“Cluster”。点击“Choose”，精品文档放心下载选择算法“SimpleKMeans（numClusters=6，seed=200），再在“Testoptions”选择谢谢阅读“Usetrainingset”，点击“Start”，开始运行。感谢阅读训练结果：**采用simpleKMeans算法，其中numClusters=6，seed=100，得到如下结果：精品文档放心下载Numberofiterations:3Withinclustersumofsquarederrors:6.065322314450069（平方误差之和）精品文档放心下载ClusteredInstancesClusteredInstances4(15%)3(12%)4(15%)3(12%)2(8%)10(38%)（各类的包含的实例个数以及占总实例的百分比）精品文档放心下载****说明：其中当seed的取值越大，平方误差之和越小。在这次实验seed=100，得到：Withinclustersumofsquarederrors:谢谢阅读6.065322314450069.这是评价聚类好坏的标准，数值越小说明同一簇实例之间的距离就越谢谢阅读小。接下来“Clustercentroids”：列出了各个簇中心的位置：AttributeFullData012345(26)(4)(3)(4)(3)(10)=====================================================谢谢阅读============================感谢阅读sample13.522.54.666720.514.66674.511.2old-year48.076965.7559.333350.52556.541.9VEGF1.92312.752.333322.666731MVC102.1538126.45100.6667127.488.266710486.58cancer-grade2.57693.75233.33333.51.7**cancer-stage 2.1538 3.25 1.3333 3 2.3333精品文档放心下载3.5 1.3cancermetastasis N Y N N Y谢谢阅读Y N最后“ClusteredInstances”列出了各个簇中实例的数目及百分比：精品文档放心下载ClusteredInstances4(15%)3(12%)4(15%)3(