该【2024年数据挖掘实验报告 】是由【书犹药也】上传分享，文档一共【14】页，该文档可以免费在线阅读，需要了解更多关于【2024年数据挖掘实验报告 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。数据挖掘试验报告学院名称计算机科学与技术学院专业名称学生姓名学号5指引教师十一月试验内容试验一试验原理(1).缺省值的处理:用均值替代、回归查补和多重查补对缺省值进行处理通过R语言提供的措施确定哪些有缺省值,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。将数据集提成完整数据和缺失数据两部分。(2).用均值替代:求变量未缺失部分的均值,用均值替代缺失。回归查补:是把缺失属性作为因变量,其他有关属性作为自变量,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措施。(3).多重查补:多值插补的思想起源于贝叶斯估量,以为待插补的值是随机的,它的值来自于已观测到的值。详细实践上一般是估量出待插补的值,然后再加上不一样的噪声,形成多组可选插补值。依照某种选择依据,选用最适宜的插补值。多重插补措施分为三个步骤:①为每个空值产生一套也许的插补值,这些值反应了无响应模型的不确定性;每个值都能够被用来插补数据集中的缺失值,产生若干个完整数据集合。②每个插补数据集合都用针对完整数据集的统计措施进行统计分析。③对来自各个插补数据集的成果,依照评分函数进行选择,产生最后的插补值。试验目标掌握数据预处理的基本措施。试验内容R语言初步认识(掌握R程序运行环境)试验数据预处理。(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,进行如下操作。1)、加载程序,熟悉各按钮的功效。2)、熟悉各函数的功效,运行程序,并对程序进行分析。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贡献度(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:用均值替代、回归查补和多重查补对缺省值进行处理对连续属性离散化:用等频、,(即菜品盈利帕累托分析),画出帕累托图。。分别采取等宽离散化,等频离散化,聚类离散化来实现,画出图示成果。试验成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成果带来什么样的不良影响?对异常值分析是检查数据是否有录入错误以及含有不合常理的数据。忽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,会给成果带来不良影响为何需要对数据进行规范化?进行规范化的目地:规范化目标是使结构更合理,消除存储异常,使数据冗余尽也许小,便于插入、删除和更新试验二基本原理分类算法是处理分类问题的措施。分类算法通过对已知类别训练集的分析,从中发觉分类规则,以此预测新数据的类别。分类算法的应用非常广泛,银行中风险评定、客户类别分类、文本检索和搜索引擎分类、安全领域中的入侵检测以及软件项目中的应用等等。试验目标:掌握CART决议树构建分类模型。试验内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日是否窃漏电的标识,按窃漏电评价指标进行处理并选用其中291个样本数据,得到教授样本,使用CART决议树实现分类预测模型。注意:数据的80%作为训练样本,剩余的20%作为测试样本。试验步骤1、对数据进行预处理2、把数据随机分为两部分,一部分用于训练,一部分用于测试。3、使用tree包里的tree函数以及训练数据构建CART决议树模型,使用predict函数和构建的CART决议树模型分别对训练数据和测试数据进行分类。4、函数以及训练数据构建神经网络模型,使用predict函数和构建的神经网络模型分别对训练数据和测试数据进行分类。5、对比分析CART决议树和神经网络模型对数据处理的成果。试验成果划分后的决议树2、脚本思考与分析尝试采取神经网络对数据进行分类,并与CART决议树的成果进行比较。比较成果如下图显示试验三试验原理K-means算法是硬聚类算法,是经典的基于原型的目标函数聚类措施的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的措施得到迭代运算的调整规则。K-means算法以欧式距离作为相同度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采取误差平方和准则函数作为聚类准则函数。试验目标:1、利用R实现数据标准化。2、利用R实现K-Meams聚类过程。试验内容1、依据航空企业客户价值分析的LRFMC模型提取客户信息的LRFMC指标。对其进行标准差标准化并保存后,采取k-means算法完成客户的聚类,分析每类的客户特性,从而取得每类客户的价值。编写R程序,完成客户的k-means聚类,取得聚类中心与类标号,并统计每个类别的客户数试验步骤1、对已经有的数据进行数据清理,对处理后的数据进行保存。2、数据探索,确定探索分析的变量,去掉日期型变量,最后输出变量最值、缺失情况。3、将数据进行标准化处理。4、进行聚类分析,得出类别分布。试验成果1、数据清理成果聚类分析成果pg电子网站pg电子网站
