l数据挖掘工具对比报告.doc

PAGE \* MERGEFORMATII 数据挖掘工具运用对比报告 学生姓名： 指导老师： 冯霞 学院名称： 计算机学院 专业名称： 计算机科学与技术 中国民航大学 2012年11月 17日 数据挖掘工具Knime与Weka的运用与比较 摘 要 数据挖掘（Data Mining）又称数据库中的知识发现（Knowledge Discover in Database），是目前人工智能和数据库领域研究的热点问题。所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，能够高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在模式，帮助决策者调整市场策略，减少风险，做出正确的决策。在现代社会，无论是商业决策，还是信息管理，甚至国家大事如美国总统选举，数据挖掘都占有非常重要的地位。因此，作为一名计算机学科的研究生，熟练使用数据挖掘工具是必要的。 现在主流五种数据挖掘软件为：weka、orange、rapidminer、jhepwork、rattle、knime而且这些软件都是开源的，可以供使用者根据自己的需要开发或者改进。 本文将以weka和knime为例，介绍两种软件的运用以及比较。 关键词：数据挖掘工、weka、knime、运用、比较 Weka 简介： WEKA的全名是Waikato Environment for Knowledge Analysis，同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。它是现今最完备的数 据挖掘工具之一。作为一个大众化的数据挖掘工作平台，WEKA集成了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理、分类、回归、聚类关联分析以及在新的交互式界面上的可视化等等。通过其接口，可在其基础上实现自己的数据挖掘算法。WEKA的打开界面： 数据格式： WEKA所用的数据格式在形式上与Excel类似。打开Explorer界面，点Open file选择weka自带数据weather.nominal.arff进行分析,是离散好weather数据。打开数据如下所示： WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。 表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attribute），相当于统计学中的一个变量，或者数据库中的一个字段。这样一个表格或者叫作数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。上图中一共有14个实例，5个属性，关系名称为“weather”。 整个ARFF文件可以分为两个部分。第一部分是头信息，包括对关系的声明和对属性的声明；第二部分是数据信息。 WEKA支持的datatype有四种： Numeric 数值型 nominal-specification 标称型 String 字符串型 date [date-format] 日期和时间型 WEKA的使用： 1、“Explorer”界面 使用WEKA作数据挖掘，面临的第一个问题往往是我们的数据不是ARFF格式的。幸好，WEKA还提供了对CSV文件的支持，而这种格式是被很多其他软件，比如Excel，所支持的。现在我们打开“bank-data.csv”。利用WEKA可以将CSV文件格式转化成ARFF文件格式。ARFF格式是WEKA支持得最好的文件格式。此外，WEKA还提供了通过JDBC访问数据库的功能 “Explorer”界面提供了很多功能，是WEKA使用最多的模块。现在我们先来熟悉它的界面，然后利用它对数据进行预处理。界面如下如所示: 876543211 8 7 6 5 4 3 2 1 1 上图显示的是“Explorer”打开“weather.nominal.arff”的情况。我们根据不同的功能把这个界面分成8个区域。 1. 区域1的几个选项卡是用来切换不同的挖掘任务面板。 2. 区域2是一些常用按钮。包括打开数据，保存及编辑功能。 3. 在区域3中“Choose”某个“Filter”，可以实现筛选数据或者对数据进行某种变换。数据预处理主要就利用它来实现。 4. 区域4展示了数据集的一些基本情况。 5. 区域5中列