WEKA下在線數(shù)據(jù)挖掘淺析
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了WEKA下在線數(shù)據(jù)挖掘淺析范文，希望能給你帶來靈感和參考，敬請閱讀。
weka軟件是一款集成了強(qiáng)大的機(jī)器學(xué)習(xí)算法以及數(shù)據(jù)挖掘算法且基于JAVA編譯環(huán)境下為數(shù)不多的開源數(shù)據(jù)挖掘軟件。研究工作則是對WEKA進(jìn)行了二次開發(fā)，通過將WEKA和瀏覽器以及后臺評測端以B/S架構(gòu)的模式相結(jié)合，完成基于WEKA的數(shù)據(jù)挖掘任務(wù)。整個系統(tǒng)的主要事物邏輯在后臺服務(wù)器端，用以處理由WEB前端所提交的數(shù)據(jù)挖掘任務(wù)，而用戶界面則通過瀏覽器來呈現(xiàn)。本文的重點(diǎn)是從系統(tǒng)的設(shè)計以及JAVA在線編譯環(huán)境的搭建入手，對系統(tǒng)處理數(shù)據(jù)的整個流程做了相應(yīng)的介紹，對于數(shù)據(jù)挖掘的關(guān)鍵步驟也進(jìn)行了詳細(xì)的分析介紹，對系統(tǒng)所預(yù)期的基于WEKA的數(shù)據(jù)挖掘功能也進(jìn)行了相應(yīng)的測試，同時取得了符合預(yù)期的實(shí)驗(yàn)結(jié)果。
1．研究現(xiàn)狀
國外對于數(shù)據(jù)挖掘技術(shù)的領(lǐng)先主要體現(xiàn)于挖掘算法的深入研究，例如對Boosting以及Bayes方法的研究，其目前所使用的主流數(shù)據(jù)挖掘軟件除了WEKA外，還有CognosScenario、SPSSClementine、IBMIntelligentMiner、QUEST以及KnowledgeStudio。國內(nèi)軟件有中科院的SMINER，東北大學(xué)的ScopeMiner以及上海復(fù)旦德門軟件公司的DMiner、ARMiner以及CIAS。
2．相關(guān)技術(shù)分析制定
2.1編譯系統(tǒng)
一般來說編譯系統(tǒng)可分為離線編譯和在線編譯。其中離線編譯系統(tǒng)是在專門的軟件環(huán)境之下，配置在本機(jī)的編譯系統(tǒng)。在程序處理過程中，離線編譯系統(tǒng)將預(yù)處理程序過程，編譯程序過程，匯編程序過程，裝配連接編譯程序過程全部配置于本機(jī)。2.2WEKA簡介行業(yè)曲線linkindustryAppraisementDOI：10.3969/j.issn.1001-8972.2022.14.036可替代度影響力可實(shí)現(xiàn)度行業(yè)關(guān)聯(lián)度真實(shí)度開發(fā)該軟件的小組來自懷卡托大學(xué)，故WEKA也稱懷卡托智能分析環(huán)境。WEKA使用的默認(rèn)數(shù)據(jù)格式為ARFF（AttributeRelationFileFormat），其文件類型為ASCII文本文件。類似于普通的文本文件，該種數(shù)據(jù)格式的結(jié)構(gòu)簡單，一般用于輕量級的數(shù)據(jù)結(jié)構(gòu)算法程序。一個ARFF對應(yīng)于一個二維的表格，其中每列表示數(shù)據(jù)集的各個屬性，各行表示數(shù)據(jù)集的各實(shí)例。
3．在線數(shù)據(jù)挖掘系統(tǒng)設(shè)計
3.1系統(tǒng)結(jié)構(gòu)
系統(tǒng)的整體結(jié)構(gòu)主要分為三部分：WEB端、服務(wù)器端及數(shù)據(jù)庫端。整個數(shù)據(jù)挖掘的過程為首先由用戶在WEB頁面端提交JAVA測試代碼，代碼中包含所要測試的WEKA數(shù)據(jù)集文件以及所要調(diào)用的相關(guān)WEKA函數(shù)。WEB界面對于所提交的代碼進(jìn)行預(yù)處理，以及將調(diào)用WEKA函數(shù)的命令一起打包后提交至后臺服務(wù)器端，后臺服務(wù)器進(jìn)行代碼的在線編譯，最后生成結(jié)果文件Result.txt，同時還有相關(guān)的結(jié)果數(shù)據(jù)寫入了數(shù)據(jù)當(dāng)中，用以在WEB頁面端顯示代碼的編譯結(jié)果。其中主要的功能模塊包括：數(shù)據(jù)庫模塊，源碼上傳模塊，激活編譯模塊，源碼編譯模塊，異常處理機(jī)制模塊以及結(jié)果輸出模塊。3.2源碼上傳及激活編譯在如圖1提交測試代碼后，點(diǎn)擊Submit，WEB端將提交的測試代碼存儲至服務(wù)器下數(shù)據(jù)庫source_code表中，而source_code表共有sid和source兩個屬性。另外一個用以存儲測試代碼文本的屬性為source。由于數(shù)據(jù)庫中的text數(shù)據(jù)類型為不受限存儲類型，故在測試代碼存儲時并不需要對所提交代碼的長度進(jìn)行檢查。在WEB端將測試代碼存儲至數(shù)據(jù)庫的同時，也通過HTTP協(xié)議將激活信號量發(fā)送至服務(wù)器端的OJ服務(wù)，激活編譯功能。OJ服務(wù)首先按照信號量中所包含的sid屬性值在數(shù)據(jù)庫source_code表中進(jìn)行檢索，將source屬性值中的測試代碼文本取出來，生成Main.java文件，并將其放置在temporary目錄下以sid屬性值命名創(chuàng)建的臨時文件夾中。同時OJ服務(wù)需要被注冊為系統(tǒng)服務(wù)，使其能夠具備一定的權(quán)限運(yùn)行在后臺且調(diào)用某些系統(tǒng)服務(wù)以及系統(tǒng)資源。
3.3源碼編譯模塊
在完成OJ服務(wù)的激活工作，以及生成Main.java文件后，系統(tǒng)開始編譯工作。而Java程序從源碼到最后的可運(yùn)行程序需要經(jīng)過兩個步驟：（1）源文件需要由相應(yīng)的編譯器編譯成字節(jié)碼。具體步驟為：源文件被創(chuàng)建之后，測試源碼首先會通過javac命令被編譯為.class文件，如圖2文件包含Main.java以及Main.class。若編譯器運(yùn)行該源碼時并未找到相應(yīng)的.java文件或者.class文件，將會報“cantfindsymbol”的錯誤；（2）生成的字節(jié)碼由JVM解釋運(yùn)行。需要說明的是Java類運(yùn)行包括class的加載以及執(zhí)行，而JVM對于class的加載機(jī)制類似于操作系統(tǒng)對于資源的加載方式，即需要哪個class加載哪個，而不是全部加載。JVM將.calss文件以棧的數(shù)據(jù)結(jié)構(gòu)執(zhí)行，在相應(yīng)的線程被創(chuàng)建之后，會產(chǎn)生程序計數(shù)器PC以及棧Stack。其中，程序計數(shù)器PC用以存放下一條將要運(yùn)行的程序偏移量而棧Stack中存放的是每次所要調(diào)用程序的棧幀。
3.4異常處理機(jī)制模塊及結(jié)果輸出
當(dāng)然，在整個系統(tǒng)的編譯過程以及結(jié)果生成的過程中會出現(xiàn)一些異常的情況，即系統(tǒng)所具備的異常處理機(jī)制。（1）Judging：表示提交的測試源碼處于編譯的狀態(tài)，需要等待。（2）Systemerror：服務(wù)器的響應(yīng)出現(xiàn)了問題，不能編譯工作，造成的原因一般為編譯器沒有正常運(yùn)行或文件存儲的目錄出現(xiàn)了問題。（3）TimeLimitExceeded：當(dāng)所提交的測試源碼運(yùn)行時間超出了規(guī)定時間，將會被OJ服務(wù)強(qiáng)制結(jié)束任務(wù)。（4）CompileError：所提交的測試源碼出現(xiàn)了語法錯誤或者其他若干導(dǎo)致源碼不能正確編譯的問題時。（5）Accepted：該種狀態(tài)是所提交測試源碼順利經(jīng)過編譯并生成正確的結(jié)果文件。測試源碼的編譯工作完成之后，系統(tǒng)將源碼運(yùn)行的結(jié)果寫入Result.txt文件之中，而在WEB端的頁面，待提交代碼的狀態(tài)由Judging狀態(tài)變?yōu)锳ccepted或Compileerror等狀態(tài)后可按頁面所提供的下載鏈接，下載結(jié)果文件如圖3，而下載得到的結(jié)果文件格式為.txt。
4．實(shí)驗(yàn)
實(shí)驗(yàn)中，我們所使用到的是WEKA中聚類kmeans算法，該算法是一種具有參數(shù)k，然后將輸入的n個數(shù)據(jù)分為k個聚類，然后使同一聚類中的相似度比較大，不同的聚類其相似度較小。且利用“中心對象”對聚類對象中所獲得的均值進(jìn)行計算。測試數(shù)據(jù)集我們所使用的是WEKA所自帶的weather.nominal.arff。
4.1關(guān)于kmeans聚類算法的實(shí)驗(yàn)
4.1.1kmeans算法實(shí)驗(yàn)數(shù)據(jù)kmeans算法實(shí)驗(yàn)所用數(shù)據(jù)為WEKA自帶數(shù)據(jù)集測試文件weather.nominal.arff，其具體內(nèi)容為如圖4所示。可以看到weather.nominal.arff共有14條記錄，以及天氣，氣溫，濕度，是否有風(fēng)，是否室外活動等5項(xiàng)屬性值。@data部分是它的數(shù)據(jù)部分。4.1.2Kmeans實(shí)驗(yàn)測試代碼其中：4.1.3Kmeans實(shí)驗(yàn)結(jié)果及分析由圖6以及圖7對比不難得出，使用基于WEKA的數(shù)據(jù)挖掘系統(tǒng)所得到的輸出結(jié)果與使用WEKA軟件所輸出的結(jié)果中該組數(shù)據(jù)都迭代了三次，可以看到最終的聚類個數(shù)都為5、3、4、2，即輸出的結(jié)果是相同的。故由此可得到結(jié)論，該系統(tǒng)可完全支持基于WEKA的數(shù)據(jù)挖掘工作，實(shí)現(xiàn)了軟件所預(yù)期的功能。
5.結(jié)語
在整個工作過程中，我們以在線數(shù)據(jù)挖掘系統(tǒng)為研究的對象，研究了相應(yīng)數(shù)據(jù)的處理、傳輸、算法實(shí)現(xiàn)和WEB展示。在本文中，首先介紹了WEKA相關(guān)技術(shù)以及在線數(shù)據(jù)挖掘系統(tǒng)的研究背景和意義，對于系統(tǒng)中的關(guān)鍵技術(shù)也進(jìn)行了具體的介紹與分析。同時也分析了基于WEKA數(shù)據(jù)挖掘系統(tǒng)的功能需求，讓我們進(jìn)一步明確系統(tǒng)處理數(shù)據(jù)的流程以及系統(tǒng)架構(gòu)等問題。對于系統(tǒng)的不同功能部分進(jìn)行了詳盡具體的設(shè)計與實(shí)現(xiàn)，而且在最后結(jié)合相關(guān)聚類以及關(guān)聯(lián)規(guī)則算法對系統(tǒng)進(jìn)行了功能性測試。
作者:薛成 蔡遠(yuǎn) 李玉萍 單位:蘭州中川國際機(jī)場有限公司