数据挖掘weka数据分类实验报告

2、 C4.5决策树分类器

依然使用十折交叉验证，训练集和测试集相同。 使用C4.5决策树分类算法训练数据集得出的结果 参数：-C 0.25 -M 2 结果分析： 使用该参数指定的C4.5决策树分类器训练数据集，得到准确率为96%，其中150个实例中的144个被正确分类，6个被错误分类。根据混淆矩阵，被错误分类实例的为：2个b类实例被错误分类到c,1个b类实例被错误分类到a；3个c类实例被错误分类到b。该算法P=0.96，R=0.96，ROC面积为0.968。 将模型应用于测试集：

使用C4.5分类算法测试数据集得出的结果 分类误差： 结果分析： 准确率为98%，有3个实例被错误分类。P=0.98，R=0.98，ROC面积为0.993

3、 朴素贝叶斯分类器

使用朴素贝叶斯分类算法训练数据集得出的结果 参数：无 结果分析： 使用朴素贝叶斯分类器训练数据集，得到准确率为95.3333%，其中150个实例中的143个被正确分类，7个被错误分类。根据混淆矩阵，被错误分类实例的为：4个b类实例被错误分类到c；3个c类实例被错误分类到b。该算法P=0.953，R=0.953，ROC面积为0.994。 将模型应用于测试集：

使用朴素贝叶斯分类算法测试数据集得出的结果 分类误差： 结果分析： 准确率为96%，有6个实例被错误分类。P=0.96，R=0.96，ROC面积为0.995

4、 三种分类算法比较：

LibSVM C4.5决策树 98% 朴素贝叶斯 96% 校验准确率 98.6667% 训练 混淆矩阵 校验 混淆矩阵 标准误差 0.0943 0.108 0.1483 比较结果分析： LibSVM算法相比C4.5决策树算法、朴素贝叶斯算法具有更好的分类性能。

五、实验总结

通过本次实验，我对Weka平台有了比较完整和深入的认识，掌握了使用Weka平台进行数据挖掘的方法，包括数据预处理、分类、聚类、关联分析等。通过实验，对数据挖掘本身也有了比较直观的认识。