python分析数据挖掘uci

数据挖掘uci"/>

python分析数据挖掘uci

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

(

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 integer [1,10]

边缘粘性

Marginal_Adhesion integer [1,10]

单上皮细胞的大小

Single_Epi_Cell_Size integer [1,10]

裸核

Bare_Nuclei integer [1,10]

乏味染色体

Bland_Chromatin integer [1,10]

正常核

Normal_Nucleoli integer [1,10]

有丝分裂

Mitoses integer [1,10]

肿瘤性质

Class { benign, malignant}

该数据集共有

669

个实例。

本次实验对以上数据集进行了分类、聚类、关联规则三部分操作，以熟悉

weka

软

件的操作使用，

并尝试挖掘数据中的实际价值。

分类中，

尝试用前九个属性值来预测肿

瘤的性质(良性、恶性)

；聚类中，寻找各个簇病人(尤其是恶性肿瘤病人)的显著特

征，

可用来辅助制定针对性治疗计划；

关联规则的探索，

寻找不同属性值之间的相关性。

二、

分类

1.

数据预处理

将

wisconsin-breast-cancer

数据集分割为两个，

分别作为

trainset

(

469

个)

和

testset

(

200

个)

。

2.

实验过程

用

j48

分类树对

trainset

进行分类运算，结果如下：