1、實(shí)用標(biāo)準(zhǔn)文案數(shù)據(jù)挖掘的第二次作業(yè)1.下表由雇員數(shù)據(jù)庫的訓(xùn)練數(shù)據(jù)組成，數(shù)據(jù)已泛化。例如，年齡“3135”表示31至IJ 35的之間。對于給定的行，count表示department, status, age 和salary 在該行上具有給定值的元組數(shù)。status 是類標(biāo)號屬性。departmentstatusagesalarycountsalessenior31.3546K.50K30salesjunior263026K.30K40salesjunior31.3531K.35K40systemsjunior21.2546K.50K20systemssenior31.3566K.70K5syst

2、emsjunior26.3046K.50K3systemssenior414566K.70K3marketingsenior36.4046K.50K10marketingjunior31.3541K.45K4secretarysenior46.5036K.40K4secretaryjunior26.3026K.30K61）如何修改基本決策樹算法，以便考慮每個廣義數(shù)據(jù)元組（即每個行）的count。Status 分為2個部分：Senior共U 52Junior共 U 113MarketingDepartment分為4個部分:Sales共計(jì)110Systems共 U31Mf- 14Secretary

3、共 U 10Age分為6個部分：Salary分為6各部分:21-2592026K30K4626-304931K35K4031-357936K40K436-401041K45K441-45346K50K6346 一50466K70K8精彩文檔位位位由以上的計(jì)算知按信息增益從大到小對屬性排列依次為：salary、age、department ,所以定salary作為第一層，之后剩下的數(shù)據(jù)如下：departmentstatusagesalarycountsalessenior313546K.50K30systemsjunior21.2546K.50K20systemsjunior26.3046K.5

4、0K3marketingsenior364046K.50K10由這個表可知 department和age的信息增益將都為 0。所以第二層可以為age也可以為department 。2）構(gòu)造給定數(shù)據(jù)的決策樹。由上一小問的計(jì)算所構(gòu)造的決策樹如下：Age3)給定一個數(shù)據(jù)元組，它在屬性department, age和salary 上的值分別為"systems",“2630”和“ 4650K ”。該元組status的樸素貝葉斯分類結(jié)果是什么？P(status=senior)=52/165=0.3152P(status=junior)=113/65=0.6848P(department

5、=systems|status=senior)=8/52=0.1538P(department=systems|status=junior)=23/113=0.2035P(age=26 30|status=senior)=1/52=0.0192P(age=26 30|status=junior)=49/113=0.4336P(salary=46K 50K|status=senior)=40/52=0.7692P(salary=46K 50K|status=junior)=23/113=0.2035使用上面的概率，得到：P(X|status=senior)=P(department=system

6、s|status=senior)*P(age=2630|status=senior)* P(salary=46K 50K|status=senior)=0.0023P(X|status=junior)=P(department=systems|status=junior)*P(age=2630|status=junior)* P(salary=46K 50K|status= junior)=0.0180P(X|status=senior)* P(status=senior尸 7.2496e-004P(X|status=junior)* P(status=junior)=0.0123因此，對于元

7、組 X,樸素貝葉斯分類預(yù)測元組X的類為status=junior2.運(yùn)用決策樹或者貝葉斯算法，對鶯尾花數(shù)據(jù)集進(jìn)行分類，顯示分類結(jié)果。(可以采用Weka工具或者其他方法)在weka上運(yùn)用決策樹算法對鶯尾花數(shù)據(jù)集進(jìn)行分類，分類結(jié)果如下圖所示:petatwidih0 6'> 0.6'iris-setosa (50X),<= 4 9''lri-5-virginica (3P0)i Iris-versicolor (3.0/1.0)在weka上運(yùn)用貝葉斯算法對鶯尾花數(shù)據(jù)進(jìn)行分類，結(jié)果的具體情況如下:R-y K 匚:i F1cL國4m4亡亡 N t bu 七 u

8、It xs set os a.工 £ 工與一Uarni-a dJ. 0 工I.E"x 3ar-gr 工Ti3,uo(0 +33、<0.3.3)td33 isc*pn 11 encjrhmean1.9913& 937-9后 S79Sntii+ dw- + ?550 .5042-53we tl g"h"t sumSO二0£口,pz-e elsicn . L.OS 9 IQS 9Q . AQ59日藝口看lwi<iThmac3 » 401S2 .7«872號七 cL 曰" W 40. 992 50 .

9、03©0 .,3OBSweight mjmSO£CS0)E>x-e q X w J_ dzi LD 1n.1OSJLO.XO9XQ七七占T：L亡UL口再ELme tiiJi1.4fi44 .24S25 .SS1«三(.d， idiev *0 B 17620,4 7130«SS39w? ighT- num&050口P5匚工目。口G0.14050 i14050 + 1405口二 tz-n 1 w idttiirA- a n0,N力431 .，口343三電疝占 aww一 .工。鄉(xiāng)En.iais鼠二E"Mel.bhF Bum&0soBOprftcloalQn . L1 4 3X 14 30,1143Sunnary Correctly Classified In.5t*nces144兆考Incarretlv Classii5i liistances64%Kappa statistic0.94Mean absolute error0-Q342Rost ne an scared error-0.155Relative absolute error?,6997 %Root reldtlve uarel rcr32