文档介绍：《数据挖掘》结课报告
••基于k•最近邻分类方法的连衣裙属性数据集
的研究报告
（2013-2014学年第二学期）
学院：
专业：
班级：
学号：
姓名：
指导教师：
二o—四年五月二十四日
―、研究目的与意义
(介绍所选数据反应的主题思想及其研究目的与意义)
1、目的
熟悉weka软件环境；
掌握数据挖掘分类模型学****方法中的k-最近邻分类方法；
在 weka 中以 “Dress Attribute DataSetv 为例，掌握 k-最近邻分类算法的相关方法；
取不同的K值，采用不同的预测方法，观察结果，达到是否推荐某款连衣裙的目的，为企业未来的规划发展做出依据。
2、意义
此数据集共有14个属性，500个实例，包含了连衣裙的各种属性和根据销售量的不同而出现的推荐情况，按照分类模型学****方法中的k-最近邻分类方法依据各属性推断应推广哪些种类的裙子，对发展市场的扩大及企业的发展战略具有重要意义。
二、技术支持
(介绍用来进行数据挖掘、数据分析的方法及原理)
1、原理：k-最近邻分类算法是一种基于实例的学****方法，不需要事先对训练数据建立分类模型，而是当需要分类未知样本时才使用具体的训练样本进行预测，通过在训练集中找出测试集的K个最近邻，来预测估计测试集的类标号；
2、方法：k-最近邻方法是消极学****方法的典型代表，其算法的关键技术是搜索模式空间，该方法首先找出最近邻即与测试样本相对接近的所有训练样本，然后使用这些最近邻的类标号来确定测试样本的类标号。
三、数据处理及操作过程
(-)数据预处理方法
1、 “remove”属性列：数据集中属性"DressJD?,对此实验来说为无意义的属性,因此在“Attributes”选项中勾选属性“D佗ss」D” 并单击“remove”，将该属性列去除，并保存新的数据集；
2、离散化预处理：需要对数值型的属性进行离散化，该数据集中只有第3个属性“rating”和第13个属性recommendation为数值型，因此只对这两个属性离散化。
"recommendation”属性只有2个取值：0, 1,因此用文本编辑器“Ultra Edit”或者写字板打开数据集并直接修改"Dress Attribute Data 文件，扌巴 “***@attribute recommendation numeric ”改为 “ (©attribute recommendation {0,1,}",并保存;在 “Explorer” 中重新打开 Dress Attribute Data ^,选中 u recommendation v 属性后，右方的属性摘要中“Type”值变为“Nominal”。
在过滤器Filter中单击"choose”，出现树形图，单击“weka”
-- “Filters" -- “unsupervisedv -- "attribute” -- “discretize”,点击 “Choose”右边的文本框进彳亍参数设置，把"attribute Indices右边改成“3”,计划将该属性分成3段,于是把“bins”改成“3”,其它参数不更改，点“0K”回到“Explorer”,单击
“Apply”离散化后的数据如下所示：
3、缺失值预处理：在过滤器Filter中单击“choose” ,出现树形
图，单击"weka” -- “Filters" -- "unsupervised” -- “attribute” --
"Replace Missing Values”,单击 “Apply”。在 weka 中可以看出该数
据集中不存在缺失值，因此不必进行缺失值的预处理。
（-）参数设置
（要求介绍每个参数的意义、取值范围、调整依据及最终的设置）
1、数据集属性及其取值:
Dress_ID numeric：货号
Style：风格
{Sexy,Casual,vintage,Brief,cute,bohemian,Novelty,Flare,party,sexy,work,
OL’fashion}
Price：价格{Low’High,Average,Medium,very・high」ow,high}
Rating：等级numeric
Size：尺寸{M,L,XL?free,S,small?s}
Season：季节
{Summer,Auto mn ,Spri ng’Winter’spri ng’winter’summer’Autum n}
Neck Line：领口
{o・n eck,v-neck,boat-ne