数据挖掘实验报告（一）
数据预处理
姓名：李圣杰
班级：计算机1304
学号：1311610602
一、实验目的
1.学习均值平滑，中值平滑，边界值平滑的基本原理
2.掌握链表的使用方法
3.掌握文件读取的方法
二、实验设备
PC一台，dev-c++5.11
三、实验内容
数据平滑
假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 25, 25, 25, 25, 30, 33, 33, 35,
35, 35, 35, 36, 40, 45, 46, 52, 70。使用你所熟悉的程序设计语言进行编程，实现如下功能（要求程序具有通用性）：
(a) 使用按箱平均值平滑法对以上数据进行平滑，箱的深度为3。
(b) 使用按箱中值平滑法对以上数据进行平滑，箱的深度为3。
(c) 使用按箱边界值平滑法对以上数据进行平滑，箱的深度为3。
四、实验原理
使用c语言，对数据文件进行读取，存入带头节点的指针链表中，同时计数，均值求三个数的平均值，中值求中间的一个数的值，边界值将中间的数转换为离边界较近的边界值
五、实验步骤
代码
#include
#include
#include
#define DEEP 3
#define DATAFILE "data.txt"
#define VPT 10
//定义结构体
typedef struct chain{
int num;
struct chain *next;
}* data;
//定义全局变量
data head,p,q;
FILE *fp;
int num,sum,count=0;
int i,j; int *box;
void mean();
void medain();
void boundary();
int main ()
数据挖掘原理及其应用
实验报告
学 号：
班 级：
姓 名：
专 业：
指导教师：
2009年2月
实验一、 Clementine数据流操作
实验成绩： 实验时间：
实验目的：使用Clementine系统进行数据挖掘时，应着重关注通过一系列节点来执行数据的过程，被称作数据流。这一系列的节点代表了将对数据进行的操作而这些节点之间的联系表明了数据流的方向。本实验要求我们学会使用一个数据流将数据读进Clementine系统，通过一系列操作来执行它，再将它发送到一个目的地。
实验仪器： Clementine11.0系统
实验内容： Clementine系统独特的接口可以通过数据流的图标可视化方式挖掘数据。最基本的，可以使用以下步骤建立一个数据流：
●向数据流区域中增加节点
●连接节点形成一个数据流
●指明任一节点或数据流的选项
●执行这个数据流
由于每个实验内容比较多，不能简单陈述，而要对内容进行精要概述。
实验步骤：在Clementine系统窗口底部的选项板中建立数据流的所有可能的节点。
2、通过鼠标来增加、删除和连接节点
3、在当前的连接中增加数据流节点
4、在数据流区域中，启用一个缓冲区
5、在数据流区域上的节点单击鼠标右键编辑一个节点
6、数据流的操作：在Clementine 系统，每次可以使用并且修改不止一个的数据流。Clementine 系统窗口的右边包含工具管理器，可以帮助浏览目前打开的数据流。为了显示工具管理器，从视图菜单中选择Manager，然后点击Stream
实验记录：在Clementine 系统窗口底部的选项板（palette）中包含了用来建立数据流的所有可能的节点。
1、 在选项板上双击节点建立一个数据流通过鼠标中间键点击和拖放来完成，如图：
大数据理论与技术读书报告
-----K最近邻分类算法
指导老师 : 陈 莉
学生姓名 : 李阳帆
学 号 : 7
专 业 : 计算机技术
日 期 : 2016年8月31日
摘 要
数据挖掘是机器学习领域内广泛研究的知识领域，是将人工智能技术和数据库技术紧密结合，让计算机帮助人们从庞大的数据中智能地、自动地提取出有价值的知识模式，以满足人们不同应用的需要。
K 近邻算法（KNN）是基于统计的分类方法，是大数据理论与分析的分类算法中比较常用的一种方法。该算法具有直观、无需先验统计知识、无师学习等特点，目前已经成为数据挖掘技术的理论和应用研究方法之一。本文主要研究了 K 近邻分类算法，首先简要地介绍了数据挖掘中的各种分类算法，详细地阐述了K 近邻算法的基本原理和应用领域，最后在matlab环境里仿真实现，并对实验结果进行分析，提出了改进的方法。
关键词：K 近邻，聚类算法，权重，复杂度，准确度
1.引言 ........................................... 1
2.研究目的与意义 ................................. 1
3.算法思想 ....................................... 2
4.算法实现 ....................................... 2
参数设置 ...................................... 2
数据集 ......................................... 2
实验步骤 ....................................... 3
大数据技术与应用数据挖掘实验报告2000字
随着科技的不断发展，大数据技术的出现正在发挥着不可替代的作用。大数据技术的应用已经遍及社会各个领域，促进了经济和社会的发展，其中数据挖掘是大数据技术的一个重要方面，行业中的一些大公司也都在大力发展这方面的技术。数据挖掘是从大数据中抽取有价值的信息的一种技术，主要有流程数据挖掘、非流程数据挖掘和数据深入本质挖掘三种，用于挖掘属性、记录和时间序列等。数据挖掘的实验也在不断进行，通过实验，可以进一步了解大数据技术的特性，提高数据挖掘的效率，更好的发挥数据挖掘的作用。
数据挖掘在实际的环境中发挥着不可替代的作用，它不仅可以分析用户在各种场景中的行为，而且还可以分析用户的兴趣点和偏好，不但可以更有针对性的提供服务，而且可以更有效的挖掘市场资源，提升经济的效率。数据挖掘的应用涉及范围也在不断拓展，比如可以分析球员在比赛中的表现，可以实时监控网络上的信息特征等，可以更好的关注社会动态。
此外，数据挖掘还能够有效的帮助企业提升效率，比如使用数据挖掘可以挖掘出企业的客户数据，更好的分析客户群体，根据分析结果进行投放广告，可以有效的提升效率，改善服务体验。
总之，数据挖掘是大数据技术中重要的一个方面，通过不断的实验技术，可以更快更好的发展数据挖掘，充分发挥数据挖掘的作用，促进了社会和经济的发展。
