文档介绍：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
实验容
实验一
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。
实验目的
掌握数据预处理的根本方法。
实验容
R语言初步认识〔掌握R程序运行环境〕
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。
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
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。
实验结果
销售数据的加载以及对于函数的计算
画出帕累托图
对数据的预处理
〔1〕缺省值的处理
〔2〕对连续属性离散化
思考与分析
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
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
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。
实验目的:
掌握CART决策树构建分类模型。
实验容
对所有窃漏电用户及真诚用户的电量、告警及线损数据和该用户在当天是否窃漏电的标识,按窃漏电评价指标进展处理并选取其中29