数据挖掘实验报告.pdfVIP

..

数据挖掘实验报告

学院名称计算机科学与技术学院

专业名称

学生

学号5

指导教师

二〇一六年十一月

-优选

..

实验容

实验一

一、实验原理

1).缺省值的处理：用均值替换、回归查补和多重查补对缺省值进展处理

(

通过R语言提供的方法确定哪些有缺省值，哪些是异常值，并把异常置为缺失值来处理，

通过表格形式打印出来。将数据集分成完整数据和缺失数据两局部。

(2).用均值替换：求变量未缺失局部的均值，用均值替换缺失。

回归查补：是把缺失属性作为因变量，其他相关属性作为自变量，利用他们之间的关系建立

回归模型的来预测缺失值，以此完成缺失值插补的方法。

(3).多重查补：多值插补的思想来源于贝叶斯估计，认为待插补的值是随机的，它的值来

自于已观测到的值。具体实践上通常是估计出待插补的值，然后再加上不同的噪声，形成多

组可选插补值。根据某种选择依据，选取最适宜的插补值。

多重插补方法分为三个步骤：①为每个空值产生一套可能的插补值，这些值反映了无响

应模型的不确定性；每个值都可以被用来插补数据集中的缺失值，产生假设干个完整数据集

合。②每个插补数据集合都用针对完整数据集的统计方法进展统计分析。③对来自各个插补

数据集的结果，根据评分函数进展选择，产生最终的插补值。

二、实验目的

掌握数据预处理的根本方法。

三、实验容

1、R语言初步认识〔掌握R程序运行环境〕

2、实验数据预处理。〔掌握R语言中数据预处理的使用〕

对给定的测试用例数据集，进展以下操作。

1〕、加载程序，熟悉各按钮的功能。

2〕、熟悉各函数的功能，运行程序，并对程序进展分析。

对餐饮销量数据进统计量分析，求销量数据均值、中位数、极差、标准差，变异系数和

四分位数间距。

对餐饮企业菜品的盈利奉献度〔即菜品盈利帕累托分析〕，画出帕累托图。

-优选

..

3〕数据预处理

缺省值的处理：用均值替换、回归查补和多重查补对缺省值进展处理

对连续属性离散化：用等频、等宽等方法对数据进展离散化处理

四、实验步骤

1.将数据加载，通过函数计算所需的值

2.对餐饮企业菜品的盈利奉献度〔即菜品盈利帕累托分析〕，画出帕累托图。

3.数据预处理。分别采用等宽离散化，等频离散化，聚类离散化来实现，画出图示结果。

五、实验结果

1.销售数据的加载以及对于函数的计算

2.画出帕累托图

3.对数据的预处理

〔1〕缺省值的处理

〔2〕对连续属性离散化

六、思考与分析

1、异常值的存在会对挖掘结果带来什么样的不良影响？

对异常值分析是检验数据是否有录入错误以及含有不合常理的数据。无视异常值的存在是十

分危险的，不加剔除的把异常值包括进数据的计算分析过程中，会给结果带来不良影响

2、为什么需要对数据进展规化？

进展规化的目地：规化目的是使构造更合理，消除存储异常，使数据冗余尽量小，便于插入、

删除和更新

实验二

一、根本原理

分类算法是解决分类问题的方法。分类算法通过对类别训练集的分析，从中发现分类规那么，

以此预测新数据的类别。分类算法的应用非常广泛，银行中风险评估、客户类别分类、文本

检索和搜索引擎分类、平安领域中的入侵检测以及软件工程中的应用等等。

二、实验目的：

掌握CART决策树构建分类模