python分析数据挖掘uci_【原创】WEKA对UCI乳腺癌数据数据挖掘实验报告(附代码数据)...

最新推荐文章于 2024-06-28 14:01:46 发布
最新推荐文章于 2024-06-28 14:01:46 发布
阅读量1.6k 收藏 6
点赞数
文章标签： python分析数据挖掘uci
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42679995/article/details/111986332
版权
这篇博客介绍了使用WEKA工具对UCI乳腺癌数据集进行分析的实验报告，包括数据预处理、分类、聚类和关联规则探索。通过对肿块厚度等九个检测指标进行分类预测肿瘤性质，并尝试挖掘数据中潜在的价值。实验结果显示了使用j48分类树的效果。
摘要由CSDN通过智能技术生成

1

/

5

WEKA

对

wisconsin-breast-cancer

数据挖掘分析报告

一、

数据集

实验采用

UCI

数据集中的

Wisconsin

医学院的

William

H.Wolberg

博士提供的乳腺

癌

的

数

据

样

本

(

http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wi

sconsin/

)

。

所有数据来自真实临床案例，

每个案例有

10

个属性。

其中前九个属性是检

测指标，

每个属性值用

1

到

10

的整数表示，

1

表示检测指标最正常，

10

表示最不正常。

第十个属性是分类属性，

指示该肿瘤是否为恶性。

数据集中的肿瘤性质是通过活检得出

的结果。

肿块厚度

Clump_Thickness integer [1,10]

细胞大小的均匀性

Cell_Size_Uniformity integer [1,10]

细胞形状的均匀性

Cell_Shape_Uniformity intege

最低0.47元/天 解锁文章
食肉库玛
关注
WEKA对UCI乳腺癌数据数据挖掘实验报告.docx
09-14
WEKA对UCI乳腺癌数据数据挖掘实验报告.docx
数据挖掘-WEKA实验报告一.pdf
07-14
数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf
Java分段查询小算法
小龙哒的博客
11-03 789
需求，多线程分段查询 public static void main(String[] args) throws InterruptedException { Integer threadNum = 50; Integer pdcount = 99149; pdcount = pdcount + 100; // 多+100 防止少查数据 System.out.println("共有"+pdcount+"条数据"); St
Python基于逻辑回归分类模型、决策树分类模型、随机森林分类模型和XGBoost分类模型实现乳腺癌分类预测项目实战
最新发布
张陈亚的博客
06-28 1193
Python基于逻辑回归分类模型、决策树分类模型、随机森林分类模型和XGBoost分类模型实现乳腺癌分类预测项目实战
数据挖掘weka使用C4.5实验报告
11-09
本实验报告为数据挖掘课程weka工具使用C4.5算法进行决策树分类学习的一次实验报告，使用weka工具的图形界面，对UCI上下载的数据集进行分类测试。
数据挖掘实验报告+代码+截图
03-03
数据挖掘的实验报告，共含五个实验，有具体的实验代码以及截图，自带实验感想。五个实验分别为数据预处理、数据立方体与联机分析处理构建、应用 Apriori 算法挖掘频繁项集、贝叶斯决策分类算法、k-均值聚类算法。原下载资源需要的积分太多啦（43分），为了方便大家下载重传了一下，大家愉快的下载吧！
基于weka的数据分类分析实验报告(精选)
12-14
数据挖掘课程中，关于分类算法的课程实验报告，要求使用weka工具完成
UCI.rar_UCI数据集_weka数据集_基于数据挖掘_数据挖掘 UCI_数据挖掘实验
09-22
在这个场景中，我们关注的是一个名为"UCI.rar"的压缩包，其中包含了多个用于数据挖掘实验的UCI数据集。UCI（University of California, Irvine）机器学习仓库是一个广泛使用的资源库，提供了多种多样的数据集，供...
数据集.rar_uci_uci聚类数据_聚类_聚类 数据集_聚类数据集
07-14
"数据集.rar_uci_uci聚类数据_聚类_聚类 数据集_聚类数据集"这个标题指的是一个来源于UCI（University of California, Irvine）机器学习仓库的压缩文件，其中包含了用于聚类分析的数据集。UCI机器学习仓库是全球广泛...
R语言数据挖掘实验报告——美国黑色星期五（BlackFriday）（附代码和实验数据csv文件）聚类 关联规则挖掘
03-31
R语言数据挖掘——美国黑色星期五（BlackFriday）实验报告（附代码） 使用R语言 实现基本数据统计 聚类 关联规则挖掘 注意：此为个人实验报告，仅作学习参考，勿照搬照抄，尤其ZS学校的同学。
数据挖掘实验报告.doc
12-23
《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http://archive.ics.uci.edu/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http://archive.ics.uci.edu/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； 3.Uniformity of Cell Size（numeric）均匀的细胞大小； 4. Uniformity of Cell Shape（numeric），均匀的细胞形状； 5.Marginal Adhesion（numeric），边际粘连； 6.Single Epithelial Cell Size（numeric），单一的上皮细胞大小； 7.Bare Nuclei（numeric），裸核； 8.Bland Chromatin（numeric），平淡的染色质； 9. Normal Nucleoli（numeric），正常的核仁； 10.Mitoses（numeric），有丝分裂； 11.Class（enum），分类。 3.2数据分析 由http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+WiscOnsin+%28Ori- ginal%29得到一组由逗号隔开的数据，复制粘贴至excel表中，选择数据——分列——下 一步——逗号——完成，该数据是有关乳腺癌数据集，有11个属性，分别为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），因为复制粘贴过来的数据没有属性，所以手工 添加一行属性名。Weka分类数据需把excel保存为一个csv文件。 3.2.1 .csv -> .arff 将CSV转换为ARFF最迅捷的办法是使用WEKA所带的命令行工具。 打开weka,之后出现GUI界面，如图1所示： （图1） 点击进入"Exploer"模块，要将.csv 格式转换为 .arff格式，点击open file...,打开刚保存的"乳腺癌数据集.csv
基于weka平台的乳腺癌诊断分类研究
01-18
基于数据分析，利用weka软件和决策数原理，对数据进行分析挖掘，根据人体的不同特征信息因素进行分类挖掘。
UCI机器学习数据仓库的威廉康星乳腺癌诊断数据集
10-21
KNN专用大数据集，这个数据集包含569例细胞活检案例，每个案例有32个乳房肿块活检图像显示的细胞核的特征。第一个特征是ID，第二个是这个案例的癌症诊断结果，癌症诊断结果用编码"M"表示恶性，B表示良性。其他30个特征是数值型的其他指标，包括细胞核的半径(Radius)、质地(Texture)、周长(Perimeter)、面积(Area)和光滑度(Smoothness)等的`均值、标准差和最大值。
数据挖掘:：实验一 WEKA分类
热门推荐
Bamboo
05-08 3万+
目录 一、实验目的   二、实验环境  三、实验要求 四、实验过程及结果 （1）KNN分类器： （2）C4.5决策树分类器： （3）朴素贝叶斯分类器： 五、实验总结 一、实验目的   使用数据挖掘中的分类算法，对数据集进行分类训练并测试。应用不同的分类算法，比较他们之间的不同。与此同时了解Weka平台的基本功能与使用方法。  二、实验环境  实验采用Weka3.8 ...
数据挖掘-实战记录（二）乳腺癌数据聚类实验及其分析报告
weixin_46490924的博客
01-16 1万+
数据挖掘-实战记录（二）乳腺癌数据聚类实验及其分析报告
Python利用逻辑回归分类器对乳腺肿瘤进行良性/恶性预测实战（超详细 附源码）
showswoller的博客
01-12 2428
Python利用逻辑回归分类器对乳腺肿瘤进行良性/恶性预测实战（超详细 附源码）
WEKA教程：UCI数据集分类算法实验与分析
本实验内容主要围绕数据挖掘工具Weka展开，是一份Weka教程，旨在让学生通过分组实验熟悉并掌握Weka的基本操作和数据分析流程。实验要求使用UCI机器学习仓库的数据集，每组选取不同的数据集，运用三种分类算法进行...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值