当前位置：文档之家› 数据挖掘报告(模板)

数据挖掘报告(模板)

第一章：数据挖掘基本理论

数据挖掘的产生：

随着计算机硬件和软件的飞速发展，尤其是数据库技术与应用的日益普及，人们面临着快速扩张的数据海洋，如何有效利用这一丰富数据海洋的宝藏为人类服务业已成为广大信息技术工作者的所重点关注的焦点之一。与日趋成熟的数据管理技术与软件工具相比，人们所依赖的数据分析工具功能，却无法有效地为决策者提供其决策支持所需要的相关知识，从而形成了一种独特的现象“丰富的数据，贫乏的知识”。

为有效解决这一问题，自二十世纪90年代开始，数据挖掘技术逐步发展起来，数据挖掘技术的迅速发展，得益于目前全世界所拥有的巨大数据资源以及对将这些数据资源转换为信息和知识资源的巨大需求，对信息和知识的需求来自各行各业，从商业管理、生产控制、市场分析到工程设计、科学探索等。数据挖掘可以视为是数据管理与分析技术的自然进化产物。自六十年代开始，数据库及信息技术就逐步从基本的文件处理系统发展为更复杂功能更强大的数据库系统；七十年代的数据库系统的研究与发展，最终导致了关系数据库系统、数据建模工具、索引与数据组织技术的迅速发展，这时用户获得了更方便灵活的数据存取语言和界面；此外在线事务处理手段的出现也极大地推动了关系数据库技术的应用普及，尤其是在大数据量存储、检索和管理的实际应用领域。

自八十年代中期开始，关系数据库技术被普遍采用，新一轮研究与开发新型与强大的数据库系统悄然兴起，并提出了许多先进的数据模型：扩展关系模型、面向对象模型、演绎模型等；以及应用数据库系统:空间数据库、时序数据库、

多媒体数据库等；日前异构数据库系统和基于互联网的全球信息系统也已开始出现并在信息工业中开始扮演重要角色。

被收集并存储在众多数据库中且正在快速增长的庞大数据，已远远超过人类的处理和分析理解能力（在不借助功能强大的工具情况下），这样存储在数据库中的数据就成为“数据坟墓”，即这些数据极少被访问，结果许多重要的决策不是基于这些基础数据而是依赖决策者的直觉而制定的，其中的原因很简单，这些决策的制定者没有合适的工具帮助其从数据中抽取出所需的信息知识。而数据挖掘工具可以帮助从大量数据中发现所存在的特定模式规律，从而可以为商业活动、科学探索和医学研究等诸多领域提供所必需的信息知识。数据与信息知识之间的巨大差距迫切需要系统地开发数据挖掘工具，来帮助实现将“数据坟墓”中的数据转化为知识财富。

数据挖掘的概念：

数据挖掘，在人工智能领域，习惯上又称为数据库中知识发现(Knowledge Discovery in Database, KDD)，也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。

并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的搜索引擎查找特定的Web页面，则是信息检索（information retrieval）领域的任务。虽然这些任务是重要的，可能涉及使用复杂的算法和数据结构，但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构，从而有效地组织和检索信息。尽管如此，数据挖掘技术也已用来增强信息检索系统的能力。

数据挖掘的步骤：

1.确定挖掘对象：定义清晰的挖掘对象，认清数据挖掘的目标是数据挖掘的第一步。数据挖掘的最后结果往往是不可预测的，但是要解决的问题应该是有预见性的、有目标的。在数据挖掘的第一步中，有时还需要用户提供一些先验知识。这些先验知识可能是用户的业务领域知识或是以前数据挖掘所得到的初步成果。这就意味着数据挖掘是一个过程，在挖掘过程中可能会提出新的问题；可能会尝试用其他的方法来检验数据，在数据的子集上展开研究。

2.数据收集：数据是挖掘知识最原始的资料。“垃圾进，垃圾出”，只有从正确的数据中才能挖掘到有用的知识。为特定问题选择数据需要领域专家参加。因此，领域问题的数据收集好之后，和目标信息相关的属性也选择好了。

3.数据预处理：数据选择好以后，就需要对数据进行预处理。数据预处理包括：去除错误数据和数据转换。错误数据，在统计学中称为异常值，应该在此阶段发现并且删除。否则，它们将导致产生错误的挖掘结果。同时，需要将数据转换成合适的形式。例如，在某些情况下，将数据转换成向量形式。另外，为了寻找更多重要的特征和减少数据挖掘步骤的负担，我们可以将数据从一个高维空间转换到一个低维空间。

4.数据挖掘：数据挖掘步骤主要是根据数据建立模型。我们可以在这个步骤使用各种数据挖掘算法和技术。然而，对于特定的任务，需要选择正确合适的算法，来解决相应的问题。

5.信息解释：首先，通过数据挖掘技术发现的知识需要专家对其进行解释，帮助解决实际问题。然后，根据可用性、正确性、可理解性等评价指标对解释的结果进行评估。只有经过这一步骤的过滤，数据挖掘的结果才能够被应用于实践。

6.可视化：可视化技术主要用来通过图形化的方式显示数据和数据挖掘的结果，从而帮助用户更好的发现隐藏在数据之后的知识。它可以被应用在数据挖掘的整个过程，包括数据预处理、数据挖掘和信息解释。数据和信息的可视化显示对用户来说非常重要，因为它能够增强可理解性和可用性。

第二章：系统分析

系统用户分析：

系统功能分析：

系统算法分析：

第三章：数据管理

数据管理的方法：

数据管理的具体实现：

第四章：数据采集

数据采集的方法

数据收集：数据是挖掘知识最原始的资料。“垃圾进，垃圾出”，只有从正确的数据中才能挖掘到有用的知识。为特定问题选择数据需要领域专家参加。因此，领域问题的数据收集好之后，和目标信息相关的属性也选择好了。

数据采集的具体实现过程

第五章：数据预处理

数据预处理的方法：

数据预处理：数据选择好以后，就需要对数据进行预处理。数据预处理包括：去除错误数据和数据转换。错误数据，在统计学中称为异常值，应该在此阶段发现并且删除。否则，它们将导致产生错误的挖掘结果。同时，需要将数据转换成合适的形式。例如，在某些情况下，将数据转换成向量形式。另外，为了寻找更多重要的特征和减少数据挖掘步骤的负担，我们可以将数据从一个高维空间转换到一个低维空间。

数据预处理的具体实现过程：

第六章：数据挖掘

算法描述与流程图

数据结构的设计

算法的具体实现

Apriori 算法：

static List Apriori(ArrayList D, ArrayList I, float sup)//传进的参数D 为事务数据集，I 为频繁一项集，sup 为支持度阈值

{

List L = new List ();//所有频繁项集 if (I.Count == 0) return L;

else

{

int [] Icount = new int [I.Count];//初始项集计数器,初始化为0 ArrayList Ifrequent = new ArrayList ();//初始项集中的频繁项集 //遍历事务数据集，对项集进行计数

Regex r = new Regex (",");//正则表达式

for (int i = 0; i < D.Count; i++)

{

string [] subD = r.Split(D[i].ToString()); for (int j = 0; j < I.Count; j++)

{

string[] subI = r.Split(I[j].ToString());

bool subIInsubD = true;

for (int m = 0; m < subI.Length; m++)//频繁项集 {

bool subImInsubD = false;

for (int n = 0; n < subD.Length; n++)//事物数据集

if (subI[m] == subD[n])

{

subImInsubD = true;

continue;

}

if(subImInsubD == false) subIInsubD = false; }

if (subIInsubD == true)

{

//int s = Icount[j];

Icount[j]++;//支持频度+1

//int t = Icount[j];

//float confi = s / t;

//ItemSet.confi = confi;

}

//从初始项集中将支持度大于给定值的项转到L中

for (int i = 0; i < Icount.Length; i++)

{

if (Icount[i] >= sup * D.Count)//判断支持度是否大于给定值，并且置信度大于给定值&&ItemSet.confi>=ItemSet.confidence*0.01 {

Ifrequent.Add(I[i]);

ItemSet iSet = new ItemSet();

iSet.Items = I[i].ToString();

iSet.Sup = Icount[i];

L.Add(iSet);

}

I.Clear();

I = AprioriGen(Ifrequent);//将频繁项集作为参数传给AprioriGen生成新的候选项集

L.AddRange(Apriori(D, I, sup));

return L;

}

Apriori—Gen方法：

static ArrayList AprioriGen(ArrayList L)

{

ArrayList Lk = new ArrayList();

Regex r = new Regex(",");

for (int i = 0; i < L.Count; i++)

{

string[] subL1 = r.Split(L[i].ToString());

for (int j = i + 1; j < L.Count; j++)

{

string[] subL2 = r.Split(L[j].ToString());

//比较L中的两个项集将它们的并集暂存于temp中

string temp = L[j].ToString();//存储两个项集的并集

for (int m = 0; m < subL1.Length; m++)

{

bool subL1mInsubL2 = false;

for (int n = 0; n < subL2.Length; n++)

{

if(subL1[m] == subL2[n]) subL1mInsubL2 = true; }

if(subL1mInsubL2 == false) temp = temp + ","+ subL1[m]; }

//当temp包含的项为（L中项集的大小）+1并且所求候选项集中没有与temp

一样的项集

string[] subTemp = r.Split(temp);

if (subTemp.Length == subL1.Length + 1)

{

bool isExists = false;

for (int m = 0; m < Lk.Count; m++)

{

bool isContained = true;

for (int n = 0; n < subTemp.Length; n++) {

(!Lk[m].ToString().Contains(subTemp[n])) isContained = false;

}

if (isContained == true) isExists = true; }

if (isExists == false) Lk.Add(temp);

}

return Lk;

}

第七章：结果显示与解释评估

参数设置:

在程序开始计算之前，需要输入两个参数：最小支持度阈值与最小置信度阈值。结果显示界面的具体实现

程序用一个C#里边的DataGridView显示，一个有两栏，左边的项集是生成的项集，右边的支持频度指的是该项集的出现的次数。

解释评估

学习体会

通过两周的软件开发综合训练，做了这个数据挖掘的题目，对数据挖掘有了生加深了的认识，因此认识到了数据挖掘的重要性，它很大程度的帮助人们把从大量的无序的数据中获得知识，指导人们做出决策。在这次数据挖掘的过程中，我做的是用Apriori算法对超市的销售记录进行数据挖掘。从而找出符合置信度阈值与支持度阈值的商品的项集。在编程的过程中，我也遇到过一些问题，通过对这些问题的解决，我发现自己的编程能力也有了一定的提高。

参考文献

[1].数据挖掘概念与技术,范明，孟小峰译/2007年03月/机械工业出版社.

[2].数据挖掘原理与算法（第二版）毛国君等编著/2007年12月/清华大学出版社.

致谢

在这次课程设计中，得到了孙士保、白秀玲、魏汪洋、赵海霞四位老师的耐心指导，帮助我解决了知识上的难题，教会我了很多的东西，再次，诚挚的感谢诸位老师，谢谢你们！

数据挖掘实验报告

《数据挖掘》Weka实验报告姓名＿学号＿指导教师开课学期2015 至2016 学年 2 学期完成日期2015年6月12日

1.实验目的基于https://www.doczj.com/doc/2e15216582.html,/ml/datasets/Breast+Cancer+WiscOnsin+%28Ori- ginal%29的数据，使用数据挖掘中的分类算法，运用Weka平台的基本功能对数据集进行分类，对算法结果进行性能比较，画出性能比较图，另外针对不同数量的训练集进行对比实验，并画出性能比较图训练并测试。 2.实验环境实验采用Weka平台，数据使用来自https://www.doczj.com/doc/2e15216582.html,/ml/Datasets/Br- east+Cancer+WiscOnsin+%28Original%29，主要使用其中的Breast Cancer Wisc- onsin (Original) Data Set数据。Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。 3.实验步骤 3.1数据预处理本实验是针对威斯康辛州(原始)的乳腺癌数据集进行分类，该表含有Sample code number（样本代码)，Clump Thickness（丛厚度），Uniformity of Cell Size （均匀的细胞大小），Uniformity of Cell Shape （均匀的细胞形状），Marginal Adhesion（边际粘连），Single Epithelial Cell Size（单一的上皮细胞大小），Bare Nuclei（裸核），Bland Chromatin（平淡的染色质），Normal Nucleoli（正常的核仁），Mitoses（有丝分裂），Class（分类），其中第二项到第十项取值均为1-10，分类中2代表良性，4代表恶性。通过实验，希望能找出患乳腺癌客户各指标的分布情况。该数据的数据属性如下： 1. Sample code number（numeric），样本代码； 2. Clump Thickness（numeric），丛厚度；

数据挖掘及决策树

昆明理工大学信息工程与自动化学院学生实验报告（2016 —2017 学年第学期）课程名称：数据仓库与数据挖掘开课实验室：信自楼444 2017 年 06 月 01 日一、上机目的及内容目的： 1．理解数据挖掘的基本概念及其过程； 2．理解数据挖掘与数据仓库、OLAP之间的关系 3．理解基本的数据挖掘技术与方法的工作原理与过程，掌握数据挖掘相关工具的使用。内容：给定AdventureWorksDW数据仓库，构建“Microsoft 决策树”模型，分析客户群中购买自行车的模式。要求: 利用实验室和指导教师提供的实验软件，认真完成规定的实验内容，真实地记录实验中遇到的二、实验原理及基本技术路线图（方框原理图或程序流程图）请描述数据挖掘及决策树的相关基本概念、模型等。 1.数据挖掘：从大量的、不完全的、有噪音的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又潜在有用的信息和知识的过程。

预测：利用历史数据建立模型，再运用最新数据作为输入值，获得未来变化趋势或者评估给定样本可能具有的属性值或值的范围聚类分析根据数据的不同特征，将其划分为不同数据类偏差分析对差异和极端特例的描述，揭示事物偏离常规的异常现象，其基本思想是寻找观测结果与参照值之间有意义的差别 3.决策树：是一种预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同输出。算法概念 ID3 在实体世界中，每个实体用多个特征来描述。每个特征限于在一个离散集中取互斥的值 C4.5 对ID3算法进行了改进：用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；在树构造过程中进行剪枝；能够完成对连续属性的离散化处理；能够对不完整数据进行处理。三、所用仪器、材料（设备名称、型号、规格等或使用软件） 1台PC及Microsoft SQL Server套件四、实验方法、步骤（或：程序代码或操作过程）（一）准备Analysis Services 数据库 1.Analysis Services 项目创建成功 2.更改存储数据挖掘对象的实例

网页设计大作业word模板

伊犁师范学院《网页设计》期末课程设计设计题目：我的个人网页学号：018 姓名：马建武院系：电子与信息工程学院专业班级：计科08-2 指导老师：王雪峰日期：2011-6-20

一、设计思想随着网络技术的飞速发展，网络已经遍及每个人的身边，通过个人网页把自己展示在网络上，不仅可以获得更多的朋友，有用的信息，也是跟随时代发展，做走在时代前沿的一个有效方式，本网站旨在设计一个个性化的个人网站，展现自己的生活，学习，爱好等等信息，通过本网站把自己展示出来。二、开发环境及软件 Windows XP，Macromedia Dreamweaver 8，photoshop等三、系统结构功能图、页面结构草图及部分页面截图四、部分代码（主要添加CSS代码） 1.添加首页背景音乐 2.运用框架