2024年weka实验报告书.docVIP

基于weka的数据分类分析试验汇报

姓名：黄學波學号：

壹、试验目的

使用数据挖掘中的分类算法，對数据集進行分类训练并测试。应用不壹样的分类算法，比较他們之间的不壹样。与此同步理解Weka平台的基本功能与使用措施。

二、试验环境

试验采用Weka平台，数据使用Weka安装目录下data文献夹下的默认数据集iris.arff。

Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大學開发。Weka使用Java写成的，并且限制在GNU通用公共证書的条件下公布。它可以运行于几乎所有操作平台，是壹款免费的，非商业化的机器學习以及数据挖掘软件。Weka提供了壹种统壹界面，可結合预处理以及後处理措施，将許多不壹样的學习算法应用于任何所給的数据集，并评估由不壹样的學习方案所得出的成果。

三、数据预处理

Weka平台支持ARFF格式和CSV格式的数据。由于本次使用平台自带的ARFF格式数据，因此不存在格式转换的過程。试验所用的ARFF格式数据集如图1所示

图1ARFF格式数据集(iris.arff)

對于iris数据集，它包括了150個实例（每個分类包括50個实例），共有sepallength、sepalwidth、petallength、petalwidth和class五种属性。期中前四种属性為数值类型，class属性為分类属性，表达实例所對应的的类别。

试验数据集中所有的数据都是试验所需的，因此不存在属性筛选的問題。若所采用的数据集中存在大量的与试验無关的属性，则需要使用weka平台的Filter(過滤器)实現属性的筛选。

试验所需的训练集和测试集均為iris.arff。

四、试验過程及成果

应用iris数据集，分别采用KNN、C4.5决策树分类器和朴素贝叶斯分类器進行测试和评价，分别在训练数据上训练出分类模型，找出各個模型最优的参数值，并對三個模型進行全面评价比较，得到壹种最佳的分类模型以及该模型所有设置的最优参数。最终使用這些参数以及训练集和校验集数据壹起构造出壹种最优分类器，并运用该分类器對测试数据進行预测。

LibSVM分类

Weka平台内部没有集成libSVM分类器，要使用该分类器，需要下载libsvm.jar并导入到Weka中。

用“Explorer”打開数据集“iris.arff”，并在Explorer中将功能面板切换到“Classify”。點“Choose”按钮选择“functions(weka.classifiers.functions.LibSVM)”，选择LibSVM分类算法。

在TestOptions面板中选择Cross-Validatioinfolds=10，即拾折交叉验证。然後點击“start”按钮：

使用KNN分类算法训练数据集得出的成果

参数：–S0–K2–D3–G0.0–R0.0–N0.5–M40.0–C1.0–E0.0010–P0.1

成果分析：

使用该参数指定的KNN训练数据集，得到精确率為96.6667%，其中150個实例中的145個被對的分类，5個被錯误分类。根据混淆矩阵，被錯误分类实例的為：2個b类实例被錯误分类到c；3個c类实例被錯误分类到b。该算法P=0.967，R=0.967，ROC面积為0.975。

将模型应用于测试集：

使用KNN分类算法测试数据集得出的成果

成果分析：

精确率為98.6667%，只有两個实例被錯误分类。P=0.987，R=0.987，ROC面积為0.99

C4.5决策树分类器

仍然使用拾折交叉验证，训练集和测试集相似。

将模型应用于测试集：

使用C4.5分类算法测试数据集得出的成果

成果分析：

精确率為98%，有3個实例被錯误分类。P=0.98，R=0.98，ROC面积為0.993

朴素贝叶斯分类器

使用朴素贝叶斯分类算法训练数据集得出的成果

参数：無

成果分析：

使用朴素贝叶斯分类器训练数据集，得到精确率為95.3333%，其中150個实例中的143個被對的分类，7個被錯误分类。根据混淆矩阵，被錯误分类实例的為：4個b类实例被錯误分类到c；3個c类实例被錯误分类到b。该算法P=0.953，R=0.953，ROC面积為0.994。

将模型应用于测试集：

使用朴素贝叶斯分类算法测试数据集得出的成果

成果分析：

精确率為96%，有6個实例被錯误分类。P=0.96，R=0.96，ROC面积為0.995

三种分类算法比较：

KNN

C4.5决策树

朴素贝叶斯

校验精确率

98.6667%

98%

96%

训练

混淆矩阵

校验

混淆矩阵

原则误差

0.0943

0.108

0.1483

比较成果分析：

KNN算法相比C4.5决策树算法、朴素贝叶斯算法具有更好的分类性能。

五、试验總結