数据挖掘实验报告.docx

本文格式为Word版，下载可任意编辑数据挖掘实验报告 数据挖掘测验报告 学院名称 专业名称 学生姓名 学 号 计算机科学与技术学院 5 指导教师 二〇一六年十一月 测验内容 测验一 一、 测验原理 (1).缺省值的处理：用均值替换、回归查补和多重查补对缺省值举行处理 通过R语言供给的方法确定哪些有缺省值，哪些是奇怪值，并把奇怪置为缺失值来处理，通过表格形式打印出来将数据集分成完整数据和缺失数据两片面 (2).用均值替换：求变量未缺失片面的均值，用均值替换缺失 回归查补：是把缺失属性作为因变量，其他相关属性作为自变量，利用他们之间的关系建立回归模型的来预料缺失值，以此完成缺失值插补的方法 (3).多重查补：多值插补的思想来源于贝叶斯估计，认为待插补的值是随机的，它的值来自于已观测到的值概括实践上通常是估计出待插补的值，然后再加上不同的噪声，形成多组可选插补值根据某种选择依据，选取最适合的插补值 多重插补方法分为三个步骤：①为每个空值产生一套可能的插补值，这些值反映了无响应模型的不确定性；每个值都可以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方法举行统计分析③对来自各个插补数据集的结果，根据评分函数举行选择，产生最终的插补值 二、 测验目的 掌管数据预处理的根本方法 三、 测验内容 1、 R语言初步熟悉（掌管R程序运行环境） 2、 测验数据预处理掌管R语言中数据预处理的使用） 对给定的测试用例数据集，举行以下操作 1）、加载程序，熟谙各按钮的功能 2）、熟谙各函数的功能，运行程序，并对程序举行分析 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付出度（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：用均值替换、回归查补和多重查补对缺省值举行处理 对连续属性离散化：用等频、等宽等方法对数据举行离散化处理 四、 测验步骤 1.将数据加载，通过函数计算所需的值 2. 对餐饮企业菜品的盈利付出度（即菜品盈利帕累托分析），画出帕累托图 3. 数据预处理分别采用等宽离散化，等频离散化，聚类离散化来实现，画出图示结果 五、 测验结果 1.销售数据的加载以及对于函数的计算 2.画出帕累托图 3.对数据的预处理 （1）缺省值的处理 （2）对连续属性离散化 六、 斟酌与分析 1、奇怪值的存在会对挖掘结果带来什么样的不良影响？ 对奇怪值分析是检验数据是否有录入错误以及含有不合常理的数据。

忽略奇怪值的存在是特别危害的，不加剔除的把奇怪值包括进数据的计算分析过程中，会给结果带来不良影响 2、为什么需要对数据举行模范化？ 举行模范化的目地：模范化目的是使布局更合理，消释存储奇怪，使数据冗余尽量小，便于插入、删除和更新 — 4 —。