數(shù)據(jù)倉庫與數(shù)據(jù)挖掘實驗報告冊20 - 20 學年 第 學期班 級： 學 號： 姓 名： 目錄實驗一 Microsoft SQL Server Analysis Services的使用3實驗二 使用WEKA進行分類與預測5實驗三 使用WEKA進行關聯(lián)規(guī)則與聚類分析6實驗四 數(shù)據(jù)挖掘算法的程序實現(xiàn)7實驗一 Microsoft SQL Server Analysis Services的使用實驗類型：驗證性 實驗學時：4實驗目的：學習并掌握Analysis Services的操作，加深理解數(shù)據(jù)倉庫中涉及的一些概念，如多維數(shù)據(jù)集，事實表，維表，星型模型，雪花模型，聯(lián)機分析處理等。實驗內容：在實驗之前，先通讀自學SQL SERVER自帶的Analysis Manager概念與教程。按照自學教程的步驟，完成對FoodMart數(shù)據(jù)源的聯(lián)機分析。建立、編輯多維數(shù)據(jù)集，進行OLAP操作，看懂OLAP的分析數(shù)據(jù)。實驗步驟：1、 啟動聯(lián)機分析管理器：2、 建立系統(tǒng)數(shù)據(jù)源連接。3、 建立數(shù)據(jù)庫和數(shù)據(jù)源，多維數(shù)據(jù)集編輯多維數(shù)據(jù)集 4、 設計存儲和處理多維數(shù)據(jù)集5、 瀏覽多維數(shù)據(jù)集中的數(shù)據(jù)按時間篩選數(shù)據(jù)實驗小結：實驗二 使用WEKA進行分類與預測實驗類型：綜合性 實驗學時：4實驗目的：掌握數(shù)據(jù)挖掘平臺WEKA的使用。綜合運用數(shù)據(jù)預處理、分類與預測的挖掘算法、結果的解釋等知識進行數(shù)據(jù)挖掘。從而加深理解課程中的相關知識點。實驗內容：閱讀并理解WEKA的相關中英文資料，熟悉數(shù)據(jù)挖掘平臺WEKA，針對實際數(shù)據(jù)，能夠使用WEKA進行數(shù)據(jù)的預處理，能選擇合適的分類與預測算法對數(shù)據(jù)進行分析，并能解釋分析結果。實驗步驟：1、在開始->程序->啟動WEKA，進入Explorer界面，熟悉WEKA的界面功能。2、選擇數(shù)據(jù)集（實驗中的數(shù)據(jù)可以從網(wǎng)絡獲?。缣┨鼓峥颂枖?shù)據(jù)集，將要處理的數(shù)據(jù)集轉換成WEKA能處理的格式，如 .ARFF格式。思考：如何將其它格式的數(shù)據(jù)文件（如.XLS）轉換為.ARFF格式？3、根據(jù)選擇的數(shù)據(jù)挖掘算法，如果有必要，在Weka Explorer界面，Preprocess選項中，進行相應的數(shù)據(jù)預處理。要求：熟悉Preprocess界面中各個功能選項的含義，理解數(shù)據(jù)的特征。思考：在filter中，supervised和unsupervised的區(qū)別?4、在Weka Explorer界面，單擊Visualize選項，進入WEKA 的可視化頁面，可以對當前的關系作二維散點圖式的可視化瀏覽。要求: 熟悉Visualize界面中各個功能選項的含義，理解可視化圖形的意義。5、選擇相應的分類與預測挖掘算法對數(shù)據(jù)集進行分析，進行算法參數(shù)的具體設置。如利用WEKA->Classifier->trees->J48 決策樹算法，對泰坦尼克號數(shù)據(jù)集進行分析；如利用回歸模型對連續(xù)數(shù)值進行預測。要求：對你選擇的分類和預測算法思想分別進行介紹，熟悉classify界面的內容，對classifier中的參數(shù)含義分別進行介紹。思考：classifier->trees->J48算法與classifier->trees->id3算法的區(qū)別與聯(lián)系。6、對分析所獲得的結果進行解釋。如，根據(jù)決策樹和分類規(guī)則嘗試討論泰坦尼克號幸存者的特征。理解評估分類和預測優(yōu)劣的一些準則。實驗小結：實驗中遇到的問題及解決辦法、心得、體會等等.思考題給出數(shù)據(jù)挖掘中分類與預測成功應用的案例，并簡要介紹。實驗三 使用WEKA進行關聯(lián)規(guī)則與聚類分析實驗類型：綜合性 實驗學時：4實驗目的：掌握數(shù)據(jù)挖掘平臺WEKA的使用。綜合運用數(shù)據(jù)預處理、關聯(lián)規(guī)則與聚類的挖掘算法、結果的解釋等知識進行數(shù)據(jù)挖掘。從而加深理解課程中的相關知識點。實驗內容：閱讀并理解WEKA的相關中英文資料，熟悉數(shù)據(jù)挖掘平臺WEKA，針對實際數(shù)據(jù)，能夠使用WEKA進行數(shù)據(jù)的預處理，了解屬性選擇，能選擇合適的關聯(lián)規(guī)則與聚類算法對數(shù)據(jù)進行分析，并能解釋分析結果。實驗步驟：1、在開始->程序->啟動WEKA，進入Explorer界面，熟悉WEKA的界面功能。2、選擇數(shù)據(jù)集（實驗中的數(shù)據(jù)可以從網(wǎng)絡獲?。瑢⒁幚淼臄?shù)據(jù)集轉換成WEKA能處理的格式，如 .ARFF格式。根據(jù)選擇的數(shù)據(jù)挖掘算法，如果有必要，在Weka Explorer界面，Preprocess選項中，進行相應的數(shù)據(jù)預處理。3、在Weka Explorer界面，單擊Select attributes選項，進入WEKA 的屬性選擇頁面。要求: 了解該界面中主要功能選項的含義，理解該界面的功能。5、在Weka Explorer界面，單擊Associate選項，進入WEKA 的關聯(lián)規(guī)則頁面。選擇一個關聯(lián)規(guī)則算法對數(shù)據(jù)集進行分析，進行算法參數(shù)的具體設置。要求：對你選擇的關聯(lián)規(guī)則算法思想進行介紹，熟悉Associate界面的內容，對Associate中的參數(shù)含義分別進行介紹。理解用來衡量規(guī)則的關聯(lián)程度的幾個度量指標。理解并解釋分析所獲得的結果。6、在Weka Explorer界面，單擊Cluster選項，進入WEKA 的聚類頁面。選擇一個聚類算法（如K均值）對數(shù)據(jù)集進行分析，進行算法參數(shù)的具體設置。要求：對你選擇的聚類算法思想進行介紹，熟悉Cluster界面的內容，對Cluster中的參數(shù)含義進行介紹。理解并解釋分析所獲得的結果。實驗小結：實驗中遇到的問題及解決辦法、心得、體會等等.思考題給出數(shù)據(jù)挖掘中關聯(lián)規(guī)則與聚類成功應用的一些案例，并簡要介紹。實驗四 數(shù)據(jù)挖掘算法的程序實現(xiàn)實驗類型：設計性 實驗學時：4實驗目的：運用數(shù)據(jù)挖掘、程序設計等相關知識，選擇一個數(shù)據(jù)挖掘的常用算法進行程序設計實現(xiàn)。加深對數(shù)據(jù)挖掘算法基本原理、詳細執(zhí)行過程和具體應用情況的理解。實驗內容：采用任何一種自己熟悉的編程語言，完成算法的程序設計，并在每個程序設計語句后面進行詳細的注釋。能夠運用實現(xiàn)的算法來解決某個具體的問題，得到并解釋程序運行的結果。推薦的算法: 1 關聯(lián)規(guī)則：Apriori算法2 分類與預測：ID3, C4.5, KNN, BP,3 聚類：k-means實驗步驟：1. 提前預習，選擇算法，理解原理。2. 針對具體問題，選擇熟悉的編程平臺，進行算法的程序實現(xiàn)，盡量在每個程序語句后面進行詳細注釋。3. 自己選擇某個數(shù)據(jù)集，應用實現(xiàn)的算法得到結果并解釋。實驗小結：實驗中遇到的問題及解決辦法、心得、體會等等.