《数据挖掘》结课报告.doc

《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： 二〇一四 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 （1）熟悉weka软件环境；? （2）掌握数据挖掘分类模型学习方法中的k-最近邻分类方法；? （3）在weka中以“Dress Attribute DataSet”为例，掌握k-最近邻分类算法的相关方法； （4）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。 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，按照分类模型学习方法中的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习方法，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习方法的典型代表，其算法的关键技术是有哪些信誉好的足球投注网站模式空间，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 （一）数据预处理方法 1、“remove”属性列：数据集中属性“Dress_ID”对此实验来说为无意义的属性，因此在“Attributes”选项中勾选属性“Dress_ID”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 Set.arff”文件，把 “@attribute recommendation numeric ”改为 “ @attribute recommendation {0,1,}”，并保存；在“Explorer”中重新打开“Dress Attribute Data Set.arff”，选中“recommendation”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”--“unsupervised”--“attribute”--“discretize”，点击“Choose”右边的文本框进行参数设置，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“OK”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。 （二）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： （1）Dress_ID numeric （2）Style{Sexy,Casual,vintage,Brief,cute,bohemian,Novelty,Flare,party,sexy,work,OL,fashion} （3）Price {Low,High,Average,Medium,very-high,low,high} （4）Ratingnumeric （5）Size{M,L,XL,free,S,small,s} （6）Season{Summer,Automn,Spring,Winter,spring,winter,s