資源描述：
《l數據挖掘工具對比報告》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。
1、數據挖掘工具運用對比報告學生姓名：指導老師：馮霞學院名稱：計算機學院專業(yè)名稱：計算機科學與技術中國民航大學2012年11月17日15數據挖掘工具Knime與Weka的運用與比較摘要數據挖掘（DataMining）又稱數據庫中的知識發(fā)現（KnowledgeDiscoverinDatabase），是目前人工智能和數據庫領域研究的熱點問題。所謂數據挖掘是指從數據庫的大量數據中揭示出隱含的、先前未知的并有潛在價值的信息的非平凡過程。數據挖掘是一種決策支持過程，它主要基于人工智能、機器學習、模式識別、統(tǒng)計學、數據庫、可視化技術等，能夠高度自動化地分析數據，做
2、出歸納性的推理，從中挖掘出潛在模式，幫助決策者調整市場策略，減少風險，做出正確的決策。在現代社會，無論是商業(yè)決策，還是信息管理，甚至國家大事如美國總統(tǒng)選舉，數據挖掘都占有非常重要的地位。因此，作為一名計算機學科的研究生，熟練使用數據挖掘工具是必要的。現在主流五種數據挖掘軟件為：weka、orange、rapidminer、jhepwork、rattle、knime而且這些軟件都是開源的，可以供使用者根據自己的需要開發(fā)或者改進。本文將以weka和knime為例，介紹兩種軟件的運用以及比較。關鍵詞：數據挖掘工、weka、knime、運用、比較15一、W
3、eka簡介：WEKA的全名是WaikatoEnvironmentforKnowledgeAnalysis，同時weka也是新西蘭的一種鳥名，而WEKA的主要開發(fā)者來自新西蘭。它是現今最完備的數據挖掘工具之一。作為一個大眾化的數據挖掘工作平臺，WEKA集成了大量能承擔數據挖掘任務的機器學習算法，包括對數據進行預處理、分類、回歸、聚類關聯分析以及在新的交互式界面上的可視化等等。通過其接口，可在其基礎上實現自己的數據挖掘算法。WEKA的打開界面：數據格式：WEKA所用的數據格式在形式上與Excel類似。打開Explorer界面，點Openfile選擇we
4、ka自帶數據weather.nominal.arff進行分析,是離散好weather數據。打開數據如下所示：15WEKA存儲數據的格式是ARFF（Attribute-RelationFileFormat）文件，這是一種ASCII文本文件。表格里的一個橫行稱作一個實例（Instance），相當于統(tǒng)計學中的一個樣本，或者數據庫中的一條記錄。豎行稱作一個屬性（Attribute），相當于統(tǒng)計學中的一個變量，或者數據庫中的一個字段。這樣一個表格或者叫作數據集，在WEKA看來，呈現了屬性之間的一種關系(Relation)。上圖中一共有14個實例，5個屬性，關
5、系名稱為“weather”。整個ARFF文件可以分為兩個部分。第一部分是頭信息，包括對關系的聲明和對屬性的聲明；第二部分是數據信息。WEKA支持的有四種：Numeric數值型標稱型String字符串型date[]日期和時間型WEKA的使用：1、“Explorer”界面使用WEKA作數據挖掘，面臨的第一個問題往往是我們的數據不是ARFF格式的。幸好，WEKA還提供了對CSV文件的支持，而這種格式是被很多其15他軟件，比如Excel，所支持的?，F在我們打開“ba
6、nk-data.csv”。利用WEKA可以將CSV文件格式轉化成ARFF文件格式。ARFF格式是WEKA支持得最好的文件格式。此外，WEKA還提供了通過JDBC訪問數據庫的功能“Explorer”界面提供了很多功能，是WEKA使用最多的模塊?，F在我們先來熟悉它的界面，然后利用它對數據進行預處理。界面如下如所示:876543211上圖顯示的是“Explorer”打開“weather.nominal.arff”的情況。我們根據不同的功能把這個界面分成8個區(qū)域。1.區(qū)域1的幾個選項卡是用來切換不同的挖掘任務面板。2.區(qū)域2是一些常用按鈕。包括打開數據，保
7、存及編輯功能。3.在區(qū)域3中“Choose”某個“Filter”，可以實現篩選數據或者對數據進行某種變換。數據預處理主要就利用它來實現。4.區(qū)域4展示了數據集的一些基本情況。5.區(qū)域5中列出了數據集的所有屬性。勾選一些屬性并“Remove”就可以刪除它們，刪除后還可以利用區(qū)域2的“Undo”按鈕找回。區(qū)域5上方的一15排按鈕是用來實現快速勾選的。在區(qū)域5中選中某個屬性，則區(qū)域6中有關于這個屬性的摘要。注意對于數值屬性和標稱屬性，摘要的方式是不一樣的。6.區(qū)域7是區(qū)域5中選中屬性的直方圖。若數據集的某個屬性是目標變量，直方圖中的每個長方形就會按照該變
8、量的比例分成不同顏色的段。默認地，分類或回歸任務的默認目標變量是數據集的最后一個屬性（這里的“play”正好是）。要想換個
