用MATLAB实现大数据挖掘地一种算法Word格式文档下载.docx
- 文档编号:15146705
- 上传时间:2022-10-28
- 格式:DOCX
- 页数:16
- 大小:18.56KB
用MATLAB实现大数据挖掘地一种算法Word格式文档下载.docx
《用MATLAB实现大数据挖掘地一种算法Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《用MATLAB实现大数据挖掘地一种算法Word格式文档下载.docx(16页珍藏版)》请在冰豆网上搜索。
首先对源数据进行预处理,主要包括字符型数据的转化和数据的归一化。
数据预处理的第一步是整理源数据,为了便于matlab读取数据,把非数字数据转换为离散型数字数据。
生成lisanhua.xsl文件。
这一部分直接在excel工作表中直接进行。
步骤如下:
将属性“sex”中的“Male”用“1”表示,“Female”用“2”表示;
将属性“chestpaintype”中的“Asymptomatic”用“1”表示,“AbnormalAngina”用“2”表示,“Angina”用“3”表示,“NoTang”用“4”表示;
将属性“Fastingbloodsuga<
120”与属性“angina”中的“FALSE”用“1”表示,“TRUE”用“2”表示;
将属性“restingecg”中的“Hyp”用“1”表示,“Normal”用“2”表示,“Abnormal”用“3”表示;
将属性“slope”中的“Down”用“1”表示,“Flat”用“2”表示,“Up”用“3”表示,;
将属性“thal”中的“Rev”用“1”表示,“Normal”用“2”表示,“Fix”用“3”表示;
将属性“class”中的“Healthy”用“1”表示,“Sick”用“2”表示;
数据预处理的第二步:
使用
dm=xlsread('
lisanhua'
);
导入’lisanhua’.xls文件,在MATLAB中对一些连续属性值离散化。
如下:
1、[29,48]=1,[48,62]=2,[62,77]=3
4、[94,110]=1,[110,143]=2,[143,200]=3
5、[126,205]=1,[205,293]=2,[293,564]=3
8、[71,120]=1,[120,175]=2,[175,202]=3
10、[0,1.5]=1,[1.5,2.5]=2,[2.5,6.2]=3。
然后对数据进行归一化处理:
由于不同属性之间的属性值相同,所以利用下面语句对一共13个条件属性中的38个属性进行如下赋值,使每条属性唯一确定。
从而得到38个条件属性,只不过38个里面有且只能出现13个。
程序如下:
m1=[0,3,2,4,3,3,2,3,3,2,3,3,4,3];
k=1;
w=m1(k);
dm3=dm2;
fori=1:
3939
dm3(i)=dm2(i)+w;
ifrem(i,303)==0
k=k+1;
w=w+m1(k);
end
end
从而得到dm(3)矩阵。
而且决策属性分为1:
healthy;
2:
sick。
并且在38个条件属性中没有值为0。
四、挖掘算法
1、特殊样本
首先在前200条样本中分别找出三条对应两种决策属性的重要样本,样本必须满足在同类决策属性下其他199条的13条决策属性中和它的13条条件属性数目大于等于10的前3条样本。
2、特殊条件属性值
其次分别对应两条决策属性值的5条重要条件属性值(在38个条件属性里找),特殊属性值必须满足:
(1)在对应相同决策属性下,此决策属性支持率必须在前五,
(2)而且如果不同决策属性出现相同条件属性。
如果相同决策属性同时出现在不同决策属性中,删除这条后找支持率第六的条件属性,以此类推。
挖掘算法在MATLAB里列出并做了标注。
五、验证程序
1、预处理
在验证程序里面分别对测试数据和六条样本做了对比,又对其属性值和特殊属性值做了对比,最后利用加权求和算法判断测试样本的决策属性正确率。
其中:
nc,mc代表测试数据分别和两类样本属性中相同数是否大于等于9时的加权值。
ncc,mcc代表测试数据分别和两类特殊属性满足几条数目的加权值。
2、关联规则
(1)、如果(nc>
=0.9&
ncc>
=8)|(ncc>
=10&
nc>
=0.6)得到决策属性healthy
(2)、不满足以上条件的话如果(mc>
=0.9|mcc>
=8)|(mcc>
=9&
mc>
=0.6)得到决策属性sick。
(3)、不满足以上条件的话如果nc>
=(mc+0.3)|ncc>
=(mcc+2)得到决策属性healthy。
(4)、不满足以上条件的话如果mc>
nc得到决策属性为sick。
(5)、不满足以上条件的话如果ncc>
mcc得到决策属性为healthy。
(6)、不满足以上条件的话如果mcc>
ncc得到决策属性为sick。
(7)、不满足以上条件的话得到决策属性为sick。
六、正确率及结果分析
正确率为82.5%
结果分析:
由于采用了两类约束方法,所以效果还可以。
七、程序如下页所示
clear;
%%%%%数据预处理程序%%%%%%
%载入数据
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
z1=dm(:
1);
%离散化第一列数据
303
ifz1(i)>
=29&
z1(i)<
48
z1(i)=1;
elseifz1(i)>
=48&
62
z1(i)=2;
elsez1(i)=3;
z2=dm(:
2);
ifz2(i)==0
z2(i)=1;
elsez2(i)=2;
z3=dm(:
3);
z3(i)=z3(i)+1;
z4=dm(:
4);
ifz4(i)>
=94&
z4(i)<
110
z4(i)=1;
elseifz4(i)>
=110&
143
z4(i)=2;
elsez4(i)=3;
z5=dm(:
5);
ifz5(i)>
=126&
z5(i)<
205
z5(i)=1;
elseifz5(i)>
=205&
293
z5(i)=2;
elsez5(i)=3;
z6=dm(:
6);
z6(i)=z6(i)+1;
z7=dm(:
7);
z7(i)=z7(i)+1;
z8=dm(:
8);
ifz8(i)>
=71&
z8(i)<
120
z8(i)=1;
elseifz8(i)>
=120&
175
z8(i)=2;
elsez8(i)=3;
z9=dm(:
9);
z9(i)=z9(i)+1;
z10=dm(:
10);
ifz10(i)>
=0&
z10(i)<
1.5
z10(i)=1;
elseifz10(i)>
=1.5&
2.5
z10(i)=2;
elsez10(i)=3;
z11=dm(:
11);
z11(i)=z11(i)+1;
z12=dm(:
12);
z12(i)=z12(i)+1;
z13=dm(:
13);
z13(i)=z13(i)+1;
z14=dm(:
14);
z14(i)=z14(i)+1;
dm2=[z1,z2,z3,z4,z5,z6,z7,z8,z9,z10,z11,z12,z13,z14];
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%预处理结束%%%%%%
%%%%挖掘算法%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%找6条样本前的预处理
dm4=zeros(200,14);
dm5=zeros(200,14);
200
ifdm3(i,14)==1
dm4(i,1:
13)=dm3(i,1:
13);
elsedm5(i,1:
a1=zeros(38,1);
a2=zeros(38,1);
fork=1:
38
13
forj=1:
ifdm4(j,i)==k&
dm4(j,i)~=0
a1(k)=a1(k)+1;
ifdm5(j,i)==k&
dm5(j,i)~=0
a2(k)=a2(k)+1;
a5=a1;
a6=a2;
a3=zeros(5,1);
a4=zeros(5,1);
j=1;
whilej<
6
a11=0;
a11=max(a1);
fori=1:
ifa1(i)==a11
a3(j)=a11;
j=j+1;
ifj>
5
break;
a1(i)=0;
a22=0;
a22=max(a2);
ifa2(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- MATLAB 实现 数据 挖掘 一种 算法
![提示](https://static.bdocx.com/images/bang_tan.gif)