数据挖掘之鸢尾（IRIS） - 1 - 第一部分 概述 1.数据挖掘目的：根据已有的数据信息，寻找出鸢尾的属性之间存在怎样的关联规则。 2.数据源：UCI 提供的150 个实例，每个实例有5 个属性。 3.数据集的属性信息： (1). sepal length in cm 萼片长度（单位：厘米）（数值型） (2). sepal width in cm 萼片宽度（单位：厘米）（数值型） (3). petal length in cm 花瓣长度（单位：厘米）（数值型） (4). petal width in cm 花瓣宽度（单位：厘米）（数值型） (5). class: 类型（分类型），取值如下 -- Iris Setosa 山鸢尾 -- Iris Versicolor 变色鸢尾 -- Iris Virginica 维吉尼亚鸢尾 4.试验中我们采用 bezdekIris.data 数据集，对比 UCI 发布的iris.data 数据集（08-Mar-1993）和 bezdekIris.data 数据集（14-Dec-1999），可知前者的第35 个实例 4.9,3.1,1.5,0.1,Iris-setosa 和第38 个实例 4.9,3.1,1.5,0.1,Iris-setosa，后者相应的修改为：4.9,3.1,1.5,0.2,Iris-setosa 和 4.9,3.1,1.4,0.1,Iris-setosa。 第二部分 将 U CI 提供的数据转化为标准的AR FF 数据集 1. 将数据集处理为标准的数据集，对于原始数据，我们将其拷贝保存到 TXT 文档，采用 UltraEdit 工具打开，为其添加属性信息。如图： 2.（1）将 bezdekIris.txt 文件导入 Microsoft Office Excel（导入时，文本类型选择文本文件），如图： 数据挖掘之鸢尾（IRIS） - 2 - （2）下一步，设置分隔符号，如图： （3）得到的XLS格式数据如图： 4.在Excel中将其另存为CSV格式文件（CSV格式的文件和XLS格式文件一样），保存的路径为C:\Program Files\Weka-3-6,方便对其进行转化为weka标准的arff格式文件，如图： 5.采用weka 的Simple CLI 模块输入命令：java weka.core.converters.CSVLoader bezdekIris.csv > bezdekIris.arff 将CSV 文件转化为标准ARFF 文件。成功完成的提示信息：Finished redirecting output to 'bezdekIris.arff'。得到的数据集如图所示： 数据挖掘之鸢尾（IRIS） - 3 - 6. 至此得到了标准的ARFF 格式文件。 第三部分 采用关联规则对 ARFF 数据集进行处理 1. 对 ARFF 数据集进行预处理，即进行数据的离散化，将 sepal-length, sepal-width, petal-length 和 petal-width 四个数值型的数据转化为分类型的数据，设置相应的参数为：weka.filte...
VIP
