实验一：数据定义及更新语句练习报告
实验一：数据定义及更新语句练习
一实验目的：熟练掌握用SQL语句实现数据库和基本表的创建、数据的更新。
二实验内容：
（一）用SQL语句建立如下mySPJ数据库，包括S，P，J，和SPJ四个基本表(教材第二章习题5中的四个表)，要求实现关系的三类完整性。
S(SNO,SNAME,STA TUS,CITY);
P(PNO,PNAME,COLOR,WEIGHT);
J(JNO,JNAME,CITY);
SPJ(SNO,PNO,JNO,QTY)
供应商表S由供应商代码（SNO）、供应商姓名（SNAME）、供应商状态（STATUS）、供应商所在城市（CITY）组成。
零件表P由零件代码（PNO）、零件名（PNAME）、颜色（COLOR）、重量（WEIGHT）组成。
工程项目表J由工程项目代码（JNO）、工程项目名（JNAME）、工程项目所在城市（CITY）组成。
供应情况表SPJ由供应商代码（SNO）、零件代码（PNO）、工程项目代码（JNO）、供应数量（QTY）组成，表示某供应商供应某种零件给某工程项目的数量为QTY。（二）更新表数据：
1.利用Insert 语句将习题中给出的示例记录插入各表。
2.利用Update更新表中的记录：
①将p表中的所有红色零件的重量增加5。
②将spj表中所有天津供应商的QTY属性值减少10。用子查询。
3.利用Delete语句删除p表中的所有红色零件的记录。
4.SQL语句执行后返回基本表查看更新后的结果，如果与期望不符，分析原因并记录在实验报告中。
三完成情况：
（一）CREATE DATABASE MYSPJ;
CREATE TABLE S
(SNO CHAR(10) PRIMARY KEY,
SNAME CHAR(10) UNIQUE,
STATUS SMALLINT,
CITY CHAR(10)
);
CREATE TABLE P
(PNO CHAR(10) PRIMARY KEY,
PNAME CHAR (20),
COLOR CHAR(10),
WEIGHT SMALLINT
);
CREATE TABLE J
(JNO CHAR(10) PRIMARY KEY,
JNAME CHAR(20),
CITY CHAR(10)
);
CREATE TABLE SPJ
(SNO CHAR(10),
PNO CHAR(10),
JNO CHAR(10),
QTY SMALLINT,
PRIMARY KEY (SNO,PNO,JNO)
);
(二)
1. INSERT INTO S
VALUES('S1','精益',20,'天津'); INSERT INTO S
VALUES('S2','盛锡',10,'北京'); INSERT INTO S
VALUES('S3','东方红',30,'北京'); INSERT INTO S
VALUES('S4','丰泰盛',20,'天津'); INSERT INTO S
VALUES('S5','为民',30,'上海');
INSERT INTO P
VALUES('P1','螺母','红',12);
INSERT INTO P
VALUES('P2','螺栓','绿',17);
INSERT INTO P
INSERT INTO P
VALUES('P4','螺丝刀','红',14); INSERT INTO P
VALUES('P5','凸轮','蓝',40);
INSERT INTO P
VALUES('P6','齿轮','红',30);
INSERT INTO J
VALUES('J1','三建','北京');
INSERT INTO J
VALUES('J2','一汽','长春');
INSERT INTO J
VALUES('J3','弹簧厂','天津'); INSERT INTO J
VALUES('J4','造船厂','天津'); INSERT INTO J
VALUES('J5','机车厂','唐山'); INSERT INTO J
VALUES('J6','无线电厂','常州'); INSERT INTO J
VALUES('J7','半导体厂','南京');
INSERT INTO SPJ
VALUES('S1','P1','J1',200);
INSERT INTO SPJ
VALUES('S1','P1','J3',100);
INSERT INTO SPJ
VALUES('S1','P1','J4',700);
INSERT INTO SPJ
VALUES('S1','P2','J2',100);
INSERT INTO SPJ
VALUES('S2','P3','J1',400);
INSERT INTO SPJ
VALUES('S2','P3','J2',200);
INSERT INTO SPJ
VALUES('S2','P3','J4',500);
INSERT INTO SPJ
VALUES('S2','P3','J5',400);
INSERT INTO SPJ
VALUES('S2','P5','J1',400);
INSERT INTO SPJ
VALUES('S2','P5','J2',100);
INSERT INTO SPJ
INSERT INTO SPJ
VALUES('S3','P3','J1',200);
INSERT INTO SPJ
VALUES('S4','P5','J1',200);
INSERT INTO SPJ
VALUES('S4','P6','J3',200);
INSERT INTO SPJ
VALUES('S4','P6','J4',200);
INSERT INTO SPJ
VALUES('S5','P2','J4',200);
INSERT INTO SPJ
VALUES('S5','P3','J1',200);
INSERT INTO SPJ
VALUES('S5','P6','J2',200);
INSERT INTO SPJ
VALUES('S5','P6','J4',500);
SELECT *
FROM SPJ;
2.利用Update更新表中的记录：
①将p表中的所有红色零件的重量增加5。
update p
set weight=weight+5
where color='红'
②将spj表中所有天津供应商的QTY属性值减少10。用子查询。update spj
set QTY =QTY -10
where sno in
(
select sno
from s
where city ='天津'
)
3.利用Delete语句删除p表中的所有红色零件的记录。delete
from p
where color ='红'
四问题及解决：
1，有时由于粗心，把类型定义错，之后经过检查改正。
2，有时格式书写不太规范，整理后变正常。
五思考题：
（一）在为各表设定关键字时弹出的页面中有关键字和索引选项，试通过给基本表设定这两个项目并说明二者的区别。
索引可以加快表的查询速度，经常用来查询的一个或者几个字段设置为索引。（二）在基本表中输入数据时，注意数据与字段的数据类型和长度以及能否为空的属性是否一致，保存时如有错误分析错误原因，及时改正并将错误报告写在实验报告中。
在基本表中输入数据时，不为空的地方不可以输入空值，否则将无法继续输入。
六实验总结：
经过上机练习，使平时只在书上的知识得以实践，更加形象直接的明白了解了SQL，虽然出现了一些小问题，但经过检查都解决了。
数据挖掘实验报告
《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https://www.wendangku.net/doc/94813450.html,/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https://www.wendangku.net/doc/94813450.html,/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；
数据库第三章作业
第三章SQL 一、填空题 1、在SQL查询时，如果要去掉查询结果中的重复组，需要用（） 2、在SQL中使用（）命令建立基本表 3、在SQL中使用（）命令修改数据库模式。 4、在SQL的SELECT语句中，不仅可以出现属性名，还可以出现（）。 5、当基本表中增加一个新列后，各元组在新列上的值是（）。 6、在SQL中表示并集的关键字是（0）。 7、在SQL中表示差集的关键字是（）。 8、SQL对嵌套查询的处理方法是从（）层向（）层处理。 9、在SQL中定义视图时，需要用关键字（）连接子查询来完成。 10、SQL包括了数据定义、数据操纵和（）等功能。 11、SQL对嵌套查询的处理方法是从（）层向（）层处理。 二、单选题 1、在SQL中，用户可以直接操纵的是（）。 A. 基本表 B. 视图 C. 基本表或视图 D. 基本表和视图 2、在SQL中，与关系代数中的投影运算对应的字句是（）。 A. SELECT B. FROM C. WHERE D.ORDER BY 3、SELECT语句执行的结果是（）。 A. 数据项 B. 元组 C. 表 D. 数据库 4、关系数据库的标准语言是（）。 A. DDL B. SQL C. ORACLE D. DBMS 5、在SELECT语句中使用*表示（）。 A. 选择任何属性 B. 选择全部属性 C. 选择全部元组 D. 选择键码 6、使用CREATE TABLE语句建立的是（）。 A. 数据库 B. 表 C. 视图 D. 索引 7、在SELECT语句中使用MIN(属性名)时，属性名（）。 A. 必须是数值型 B. 必须是字符型 C. 必须是数值型或字符型 D.不限制数据类型 8、使用CREATE VIEW语句建立的是（）。 A. 数据库 B. 表 C. 视图 D. 索引 9、在SQL中使用UPDA TE对表中数据进行修改时，应使用的子句是（）。 A. WHERE B. FROM C. V ALUES D. SET 10、使用CRETE INDEX语句建立的是（）。 11、在SQL的语句中，ALTER的作用是（）。 A. 删除基本表 B. 修改基本表中的数据 C. 修改基本表中的结构 D. 修改视图 12、在SELECT语句中使用A VG(属性名)时，属性名（）。 A. 必须是数值型 B. 必须是字符型 C. 必须是数值型或字符型 D.不限制数据类型 13、在SQL中用关键字EXCEPT表示的运算是集合的（）。 A. 交集 B. 并集 C. 差集 D. 连接 14、在SQL的排序子句：“ORDER BY总分DESC ，英语DESC”，表示（）。 A. 总分和英语分数都是最高的在前面 B. 总分和英语分数之和最高的在前面
网络数据库实训报告(一)
网络数据库应用实训报告 日期：2016年3月18日班级：物联1411 一、实训目的和要求 1、掌握采用界面方式创建、修改、删除数据库； 2、掌握采用T-SQL 语句创建、修改、删除数据库； 二、实训所需仪器、设备 硬件：计算机软件：操作系统Windows7、SQLServer2008 三、实训内容 1）在管理平台中管理数据库。 （1）创建数据库“studentsdb”。 （2）查看studentsdb数据库的属性。 （3）修改数据文件大小为2MB，指定“最大文件大小”为5MB。日志文件的大小在每次填满时自动递增5%。 （4）将studentsdb数据库的名称更改为student_db。 2）使用T-SQL 语句管理数据库 （1）使用CREATE DATABASE 创建studb数据库，然后通过系统存储过程sp_helpdb查看系统中的数据库信息。 （2）使用ALTER DATABASE 修改studb数据库的设置，指定数据文件大小为5MB，最大文件大小为20MB，自动递增大小为1MB。（3）
为studb数据库增加一个日志文件，命名为studb_Log2，大小为5MB，最大文件大小为10MB。 （4）将studb数据库的名称更改为my_studb。 （5）使用DROP DATABASE 删除my_studb数据库。 四、实训步骤 （内容说明：1.大致的操作步骤；2.参数设置） 1）在管理平台中管理数据库。 （1）数据库右击→新建数据库→数据库名称“studentsdb”； （2）数据文件→初始大小→2MB （3）数据文件→点击自动增长下的→最大文件大小→限制文件大小→5MB； （4）日志文件→点击自动增长下的→文件增长→按百分比→5% （5） studentsdb右击→属性； （6） studentsdb右击→重命名→student_db； 2）使用T-SQL 语句管理数据库 命令如下： CREATEDATABASE studb on PRIMARY ( NAME='student_db', FILENAME='C:\Program Files\Microsoft SQL Server\MSSQL10.MSSQLSERVER\MSSQL\DATA', size=4MB, MAXSIZE=20MB, FILEGROWTH=1 ) log on ( NAME='stusb_log2', FILENAME='C:\Program Files\Microsoft SQL
数据挖掘实验报告(一)
数据挖掘实验报告（一） 数据预处理 姓名：李圣杰 班级：计算机1304 学号：1311610602
一、实验目的 1.学习均值平滑，中值平滑，边界值平滑的基本原理 2.掌握链表的使用方法 3.掌握文件读取的方法 二、实验设备 PC一台，dev-c++5.11 三、实验内容 数据平滑 假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 25, 25, 25, 25, 30, 33, 33, 35, 35, 35, 35, 36, 40, 45, 46, 52, 70。使用你所熟悉的程序设计语言进行编程，实现如下功能（要求程序具有通用性）： (a) 使用按箱平均值平滑法对以上数据进行平滑，箱的深度为3。 (b) 使用按箱中值平滑法对以上数据进行平滑，箱的深度为3。 (c) 使用按箱边界值平滑法对以上数据进行平滑，箱的深度为3。 四、实验原理 使用c语言，对数据文件进行读取，存入带头节点的指针链表中，同时计数，均值求三个数的平均值，中值求中间的一个数的值，边界值将中间的数转换为离边界较近的边界值 五、实验步骤 代码 #include
数据库实验报告
. . 《数据库原理与技术》实验报告 实验一、数据定义及更新语句练习 一、实验容 建立如下mySPJ数据库，包括S，P，J，和SPJ四个基本表(《数据库系统概论》第二章习题5中的四个表)，要现关系的三类完整性。 S(SNO,SNAME,STATUS,CITY); P(PNO,PNAME,COLOR,WEIGHT); J(JNO,JNAME,CITY); SPJ(SNO,PNO,JNO,QTY)； 二、完成情况
附上按照实验容编写的程序代码。（小四号字，宋体） 三、实验结果 1、插入一条记录 2、①将p表中的所有红色零件的重量增加5。 ②将spj表中所有供应商的QTY属性值减少10。用子查询。
3.利用Delete语句删除p表中的所有红色零件的记录。 附上各个步骤所用的实验用例与结果显示（小四号字，宋体） 四、问题与解决 （小四号字，宋体） 1 ．实验中遇到的问题及解决过程 2 ．实验中产生的错误及原因分析 首先写出执行语句不成功的时候系统报告的错误信息。然后分析错误原因，并给出解决办法。
实验二简单查询和连接查询 一、实验容 （一）完成下面的简单查询： ①查询所有“”的供应商明细； ②查询所有“红色”的14公斤以上的零件。 ③查询工程名称中含有“厂”字的工程明细。 （二）完成下面的连接查询： ①等值连接：求s表和j表的相同城市的等值连接。 ②自然连接：查询所有的供应明细，要求显示供应商、零件和工程的名称，并按照供应、工程、零件排序。 ③笛卡尔积：求s和p表的笛卡尔积。 ④左连接：求j表和spj表的左连接。 ⑤右连接：求spj表和j表的右连接。 二、完成情况 （一）完成下面的简单查询： ①查询所有“”的供应商明细； ②查询所有“红色”的14公斤以上的零件。
数据挖掘实验报告资料
大数据理论与技术读书报告 -----K最近邻分类算法 指导老师: 陈莉 学生姓名: 李阳帆 学号: 201531467 专业: 计算机技术 日期 :2016年8月31日
摘要 数据挖掘是机器学习领域内广泛研究的知识领域，是将人工智能技术和数据库技术紧密结合，让计算机帮助人们从庞大的数据中智能地、自动地提取出有价值的知识模式，以满足人们不同应用的需要。K 近邻算法（KNN）是基于统计的分类方法，是大数据理论与分析的分类算法中比较常用的一种方法。该算法具有直观、无需先验统计知识、无师学习等特点，目前已经成为数据挖掘技术的理论和应用研究方法之一。本文主要研究了K 近邻分类算法，首先简要地介绍了数据挖掘中的各种分类算法，详细地阐述了K 近邻算法的基本原理和应用领域，最后在matlab环境里仿真实现，并对实验结果进行分析，提出了改进的方法。 关键词：K 近邻，聚类算法，权重，复杂度，准确度
1.引言 (1) 2.研究目的与意义 (1) 3.算法思想 (2) 4.算法实现 (2) 4.1 参数设置 (2) 4.2数据集 (2) 4.3实验步骤 (3) 4.4实验结果与分析 (3) 5.总结与反思 (4) 附件1 (6)
1.引言 随着数据库技术的飞速发展，人工智能领域的一个分支—— 机器学习的研究自 20 世纪 50 年代开始以来也取得了很大进展。用数据库管理系统来存储数据，用机器学习的方法来分析数据，挖掘大量数据背后的知识，这两者的结合促成了数据库中的知识发现（Knowledge Discovery in Databases，简记 KDD）的产生，也称作数据挖掘（Data Ming，简记 DM）。 数据挖掘是信息技术自然演化的结果。信息技术的发展大致可以描述为如下的过程：初期的是简单的数据收集和数据库的构造；后来发展到对数据的管理，包括：数据存储、检索以及数据库事务处理；再后来发展到对数据的分析和理解， 这时候出现了数据仓库技术和数据挖掘技术。数据挖掘是涉及数据库和人工智能等学科的一门当前相当活跃的研究领域。 数据挖掘是机器学习领域内广泛研究的知识领域，是将人工智能技术和数据库技术紧密结合，让计算机帮助人们从庞大的数据中智能地、自动地抽取出有价值的知识模式，以满足人们不同应用的需要[1]。目前，数据挖掘已经成为一个具有迫切实现需要的很有前途的热点研究课题。 2.研究目的与意义 近邻方法是在一组历史数据记录中寻找一个或者若干个与当前记录最相似的历史纪录的已知特征值来预测当前记录的未知或遗失特征值[14]。近邻方法是数据挖掘分类算法中比较常用的一种方法。K 近邻算法（简称 KNN）是基于统计的分类方法[15]。KNN 分类算法根据待识样本在特征空间中 K 个最近邻样本中的多数样本的类别来进行分类，因此具有直观、无需先验统计知识、无师学习等特点，从而成为非参数分类的一种重要方法。 大多数分类方法是基于向量空间模型的。当前在分类方法中，对任意两个向量： x= ) ,..., , ( 2 1x x x n和) ,..., , (' ' 2 ' 1 'x x x x n 存在 3 种最通用的距离度量：欧氏距离、余弦距 离[16]和内积[17]。有两种常用的分类策略：一种是计算待分类向量到所有训练集中的向量间的距离：如 K 近邻选择K个距离最小的向量然后进行综合，以决定其类别。另一种是用训练集中的向量构成类别向量，仅计算待分类向量到所有类别向量的距离，选择一个距离最小的类别向量决定类别的归属。很明显，距离计算在分类中起关键作用。由于以上 3 种距离度量不涉及向量的特征之间的关系，这使得距离的计算不精确，从而影响分类的效果。
实验一：数据定义及更新语句练习
实验一：数据定义及更新语句练习 一、实验目的：熟练掌握用SQL语句实现数据库和基本表的创建、数据 的更新。 二、实验内容： （一）用SQL语句建立如下mySPJ数据库，包括S，P，J，和SPJ四个基本表(教材第二章习题5中的四个表)，要求实现关系的三类完整性。 S(SNO,SNAME,STA TUS,CITY); P(PNO,PNAME,COLOR,WEIGHT); J(JNO,JNAME,CITY); SPJ(SNO,PNO,JNO,QTY) 供应商表S由供应商代码（SNO）、供应商姓名（SNAME）、供应商状态（STATUS）、供应商所在城市（CITY）组成。 零件表P由零件代码（PNO）、零件名（PNAME）、颜色（COLOR）、重量（WEIGHT）组成。 工程项目表J由工程项目代码（JNO）、工程项目名（JNAME）、工程项目所在城市（CITY）组成。 供应情况表SPJ由供应商代码（SNO）、零件代码（PNO）、工程项目代码（JNO）、供应数量（QTY）组成，表示某供应商供应某种零件给某工程项目的数量为QTY。（二）分别使用插入、删除、修改的方式更新基本表中的数据。 三、完成情况 create table s ( sno char(9)primary key, //主键约束 sname char(20)unique, //唯一值 status smallint, city char(20), ); create table p ( pno char(9)primary key, //主键约束 pname char(20), color char(9), weight smallint,
西北工业大学数据库实验报告
1.利用图形用户界面创建，备份，删除和还原数据库和数据表（50分，每小题5分） ●数据库和表的要求（第五版教材第二章习题 6 要求的数据库） 数据库名：SPJ，其中包含四张表：S表, P表, J表, SPJ表 ●完成以下具体操作： (1)创建SPJ数据库，初始大小为 10MB，最大为50MB，数据库自动增长，增长方 式是按5％比例增长；日志文件初始为2MB，最大可增长到5MB，按1MB增长。 数据库的逻辑文件名和物理文件名均采用默认值。 (2)在SPJ数据库中创建如图2.1-图2.4的四张表(只输入一部分数据示意即可)。 S表： P表： J表： SPJ表：
(3)备份数据库SPJ（第一种方法)：备份成一个扩展名为bak的文件。（提示： 最好先删除系统默认的备份文件名，然后添加自己指定的备份文件名） (4)备份数据库SPJ（第二种方法)：将SPJ数据库定义时使用的文件(扩展名为 mdf,ldf的数据文件、日志文件等)复制到其他文件夹进行备份。 原位置: 新的位置： (5)删除已经创建的工程项目表(J表)。 (6)删除SPJ数据库。（可以在系统默认的数据存储文件夹下查看此时SPJ数据 库对应的mdf,ldf文件是否存在） 删除过后文件不存在 (7)利用备份过的bak备份文件还原刚才删除的SPJ数据库。（还原数据库）
(8)利用备份过的mdf,ldf的备份文件还原刚才删除的SPJ数据库。（附加） (9)将SPJ数据库的文件大小修改为100MB。 (10)修改S表，增加一个联系电话的字段sPhoneNo，数据类型为字符串类 型。 2.利用SQL语言创建和删除数据库和数据表（50分，每小题5分） ●数据库和表的要求 数据库名：Student，其中包含三个表：S：学生基本信息表；C：课程基本信息表；SC：学生选课信息表。 ●完成以下具体操作： (1)用SQL语句创建如图2.5-图2.7要求的数据库Student，初始大小为20MB， 最大为100MB，数据库自动增长，增长方式是按10M兆字节增长；日志文件初
数据挖掘报告
哈尔滨工业大学 数据挖掘理论与算法实验报告(2016年度秋季学期) 课程编码S1300019C 授课教师邹兆年 学生姓名汪瑞 学号 16S003011 学院计算机学院
一、实验内容 决策树算法是一种有监督学习的分类算法；kmeans是一种无监督的聚类算法。 本次实验实现了以上两种算法。在决策树算法中采用了不同的样本划分方式、不同的分支属性的选择标准。在kmeans算法中，比较了不同初始质心产生的差异。 本实验主要使用python语言实现，使用了sklearn包作为实验工具。 二、实验设计 1.决策树算法 1.1读取数据集 本次实验主要使用的数据集是汽车价值数据。有6个属性，命名和属性值分别如下： buying: vhigh, high, med, low. maint: vhigh, high, med, low. doors: 2, 3, 4, 5more. persons: 2, 4, more. lug_boot: small, med, big. safety: low, med, high. 分类属性是汽车价值，共4类，如下： class values：unacc, acc, good, vgood 该数据集不存在空缺值。
由于sklearn.tree只能使用数值数据，因此需要对数据进行预处理，将所有标签类属性值转换为整形。 1.2数据集划分 数据集预处理完毕后，对该数据进行数据集划分。数据集划分方法有hold-out法、k-fold交叉验证法以及有放回抽样法（boottrap）。 Hold—out法在pthon中的实现是使用如下语句： 其中，cv是sklearn中cross_validation包，train_test_split 方法的参数分别是数据集、数据集大小、测试集所占比、随机生成方法的可
数据库实验报告1
《数据库系统原理》实验报告 专业：＿＿＿信息安全＿＿＿＿ 班号：＿＿＿＿＿＿＿ 学号：＿＿＿＿＿＿ 姓名：＿＿＿＿＿＿＿＿ 实验日期：＿＿＿＿＿＿＿＿＿ 上机地点：＿＿＿＿＿＿＿＿＿ 实验环境： 报告日期：2012年 4月26日
一、实验内容、过程及完成情况（必须有所用的SQL 语句、语句执行效果） 1、第三章习题3（P127）：用SQL语句建立第二章习题5 （P74）中四个表，创建的基本表应考虑数据完整性 （1）打开cmd，进入mysql.exe文件所在的文件夹。 然后以用户名root密码123456登录。 如下图所示 图1 （2）执行创建数据库语句：create database mytest1; 然后执行语句：show databases查看库，发现mytest1库建立成功。 如下图所示 图2
（3）选择数据库mytest1，然后执行创建表S的语句：CREATE TABLE S ( SNO CHAR(2), SNAME VARCHAR(8), STATUS SMALLINT, CITY VARCHAR(8), PRIMARY KEY （SNO） ); 如下图所示 图3 （4）执行语句describe S; 显示表S的结构。如下图所示 图4 （5）在mytest1中，执行创建表P的语句： CREATE TABLE P( PNO CHAR(2), PNAME VARCHAR(8), COLOR CHAR(2), WEIGHT SMALLINT, PRIMARY KEY (PNO) ); 如下图所示
图5 （6）显示表P的结构，如下图所示 图6 （7）在mytest1中，执行创建表J的语句：CREATE TABLE J( JNO CHAR(2), JNAME VARCHAR(8), CITY VARCHAR(8), PRIMARY KEY (JNO) ); 如下图所示 图7 （8）显示表J的结构，如下图所示
数据挖掘实验报告-关联规则挖掘
数据挖掘实验报告（二）关联规则挖掘 姓名：李圣杰 班级：计算机1304 学号：1311610602
一、实验目的 1. 1.掌握关联规则挖掘的Apriori算法； 2.将Apriori算法用具体的编程语言实现。 二、实验设备 PC一台，dev-c++5.11 三、实验内容 根据下列的Apriori算法进行编程：
四、实验步骤 1.编制程序。 2.调试程序。可采用下面的数据库D作为原始数据调试程序，得到的候选1项集、2项集、3项集分别为C1、C2、C3，得到的频繁1项集、2项集、3项集分别为L1、L2、L3。
代码 #include 数据库实验报告 集团文件版本号：（M928-T898-M248-WU2669-I2896-DQ586-M1988） 课程名称：数据库原理与应用 实验内容：数据库安全性管理 作者所在系部：网络工程系 作者所在专业：网络工程 作者所在班级： B13521 作者姓名：李文阳 作者学号： 指导教师姓名：王振夺 北华航天工业学院教务处制 实验四数据库安全性管理 一、实验目的 1、理解数据库的安全性机制； 2、掌握SQL Server 2005的验证模式、登录管理、用户管理、角色 管理以及权限管理； 二、实验内容 （一）附加上次实验所创建的数据库“db_Library”，并回顾该库的数据表信息。 （二）设置SQL Server的安全验证模式，并以两种方式尝试登录。 （三）登录账户管理 1、以管理员身份登录SQL Server，修改sa的密码。 2、使用SQL语句创建一个SQL Server登录账户，账户名为你的名字拼音，密码自定义。创建完成后，以该账户来进行登录。 3、使用SQL语句来修改上述登录账户的密码。 4、禁用上述登录账户连接SQL Server，并进行验证。 （四）数据库用户管理 1、使用SQL语句添加db_Library数据库用户User2，其登录账户为上题所创建的SQL Server登录账户，使用默认dbo架构，并赋予该用户能够运行Select语句的权限。 （五）权限管理 1、使用SSMS将创建数据表和创建视图的权限授予User2。 2、使用SQL语句将对db_Library数据库中图书信息表的查询、插入、以及对书名和作者列的修改权限授予用户User2。 3、使用SSMS收回User2创建数据表和创建视图的权限。 4、使用SQL语句收回User2修改书名和作者列的权限。 （六）删除上述所建立的数据库用户以及登录账户。 三、实验步骤 主要实现的SQL语句。 使用T-SQL语句创建一个SQL Server登录账户，账户名为你的名字拼音，密码自定义。创建完成后，以该账户来进行登录。 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Weka 平台，数据使用Weka安装目录下data文件夹下的默认数据集iris.arff。 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。 三、数据预处理 Weka平台支持ARFF格式和CSV格式的数据。由于本次使用平台自带的ARFF格式数据，所以不存在格式转换的过程。实验所用的ARFF格式数据集如图1所示 图1 ARFF格式数据集(iris.arff) 对于iris数据集，它包含了150个实例（每个分类包含50个实例），共有sepal length、sepal width、petal length、petal width和class五种属性。期中前四种属性为数值类型，class属性为分类属性，表示实例所对应的的类别。该数据集中的全部实例共可分为三类：Iris Setosa、Iris Versicolour和Iris Virginica。 实验数据集中所有的数据都是实验所需的，因此不存在属性筛选的问题。若所采用的数据集中存在大量的与实验无关的属性，则需要使用weka平台的Filter(过滤器)实现属性的筛选。 实验所需的训练集和测试集均为iris.arff。 四、实验过程及结果 应用iris数据集，分别采用LibSVM、C4.5决策树分类器和朴素贝叶斯分类器进行测试和评价，分别在训练数据上训练出分类模型，找出各个模型最优的参数值，并对三个模型进行全面评价比较，得到一个最好的分类模型以及该模型所有设置的最优参数。最后使用这些参数以及训练集和校验集数据一起构造出一个最优分类器，并利用该分类器对测试数据进行预测。 1、LibSVM分类 Weka 平台内部没有集成libSVM分类器，要使用该分类器，需要下载libsvm.jar并导入到Weka中。 用“Explorer”打开数据集“iris.arff”，并在Explorer中将功能面板切换到“Classify”。点“Choose”按钮选择“functions(weka.classifiers.functions.LibSVM)”，选择LibSVM分类算法。 在Test Options 面板中选择Cross-Validatioin folds=10，即十折交叉验证。然后点击“start”按钮： 实验一 ID3算法实现 一、实验目的 通过编程实现决策树算法，信息增益的计算、数据子集划分、决策树的构建过程。加深对相关算法的理解过程。 实验类型：验证 计划课间：4学时 二、实验内容 1、分析决策树算法的实现流程； 2、分析信息增益的计算、数据子集划分、决策树的构建过程； 3、根据算法描述编程实现算法，调试运行； 4、对所给数据集进行验算，得到分析结果。 三、实验方法 算法描述： 以代表训练样本的单个结点开始建树； 若样本都在同一个类，则该结点成为树叶，并用该类标记； 否则，算法使用信息增益作为启发信息，选择能够最好地将样本分类的属性； 对测试属性的每个已知值，创建一个分支，并据此划分样本； 算法使用同样的过程，递归形成每个划分上的样本决策树 递归划分步骤，当下列条件之一成立时停止： 给定结点的所有样本属于同一类； 没有剩余属性可以进一步划分样本，在此情况下，采用多数表决进行 四、实验步骤 1、算法实现过程中需要使用的数据结构描述： Struct {int Attrib_Col; // 当前节点对应属性 int Value; // 对应边值 Tree_Node* Left_Node; // 子树 Tree_Node* Right_Node // 同层其他节点 Boolean IsLeaf; // 是否叶子节点 int ClassNo; // 对应分类标号 }Tree_Node; 2、整体算法流程 主程序： InputData(); T=Build_ID3(Data,Record_No, Num_Attrib); OutputRule(T); 释放内存; 3、相关子函数： 3.1、 InputData() { 输入属性集大小Num_Attrib; 输入样本数Num_Record; 分配内存Data[Num_Record][Num_Attrib]; 输入样本数据Data[Num_Record][Num_Attrib]； 获取类别数C(从最后一列中得到); } 3.2、Build_ID3(Data,Record_No, Num_Attrib) { Int Class_Distribute[C]; If (Record_No==0) { return Null } N=new tree_node(); 计算Data中各类的分布情况存入Class_Distribute Temp_Num_Attrib=0; For (i=0;i 南华大学计算机科学与技术学院 实验报告 （2013 ~2014 学年度第二学期） 课程名称:数据库原理与技术实验名称:认识DBMS 姓名：学号： 专业：软件工程班级：2班 地点：教师：刘征海 实验一认识DBMS 一、实验要求 1、利用管理工具创建数据库、表和表间关系 (1) 利用SQL Server Management Studio 创建数据库，名称为【学生选课YYXXXX】。其中YY为专业代号，计算机为JS，软件工程为RJ，网络为WL，数媒为SM；XXXX为各位同学的学号中的最后四位 (2) 在【学生选课YYXXXX】中建立数据表，表的定义如下所示。 学生YYXXXX(学号，姓名，性别，出生日期，院系名称，备注)； 课程YYXXXX(课程号，课程名，先行课，学分)； 选修YYXXXX(学号，课程号，分数)。 要求定义每张表的主码，为属性选择合适的数据类型，决定是否允许为空， 为【性别】和【学分】属性定义默认值。 (3) 定义表之间的关系。 (4) 分别为表录入几行数据记录，同时练习数据的修改和删除操作。 1）实验操作过程截图如下： 2、利用SQL 语句创建数据库、表和表间关系 在SQL Server Management Studio 中新建查询，实现以下操作。 (1) 用SQL 语句创建数据库，名称为“StudentCourseYYXXXX”。其中YYXXXX 为各位同学的学号中的最后四位。 (2) 用SQL 语句创建StudentCourseYYXXXX 中的3 张表，同时指定主码、外码、默认值等。 (3) 比较“学生选课YYXXXX”和StudentCourseYYXXXX 两个数据库是否一致。 二、实验代码及操作结果显示 新建数据库： create database StudentCourseRJ0214 新建StudentsRJ0214表： create table StudentsRJ0214( Sno nchar(10) primary key, Sname nchar(10) not null, Ssex nchar(10) , Sbirthday date , Sdept nchar(10) , Memo nchar(10) ) 新建CoursesRJ0214表： create table CoursesRJ0214( Cno nchar(10) , 通信与信息工程学院 课程设计说明书 课程名称: 数据仓库与数据挖掘课程设计题目: 超市商品销售分析及数据挖掘专业/班级: 电子商务（理） 组长: 学号: 组员/学号: 开始时间: 2011 年12 月29 日完成时间: 2012 年01 月 3 日 目录 1．绪论 (1) 1.1项目背景 (1) 1.2提出问题 (1) 2．数据仓库与数据集市的概念介绍 (1) 2.1数据仓库介绍 (1) 2.2数据集市介绍 (2) 3．数据仓库 (3) 3.1数据仓库的设计 (3) 3.1.1数据仓库的概念模型设计 (4) 3.1.2数据仓库的逻辑模型设计 (5) 3.2 数据仓库的建立 (5) 3.2.1数据仓库数据集成 (5) 3.2.2建立维表 (8) 4.OLAP操作 (10) 5.数据预处理 (12) 5.1描述性数据汇总 (12) 5.2数据清理与变换 (13) 6.数据挖掘操作 (13) 6.1关联规则挖掘 (13) 6.2 分类和预测 (17) 6.3决策树的建立 (18) 6.4聚类分析 (22) 7.总结 (25) 8.任务分配 (26) 数据挖掘实验报告 1.绪论 1.1项目背景 在商业领域中使用计算机科学与技术是当今商业的发展方向，而数据挖掘是商业领域与计算机领域的乔梁。在超市的经营中,应用数据挖掘技术分析顾客的购买习惯和不同商品之间的关联，并借由陈列的手法,和合适的促销手段将商品有魅力的展现在顾客的眼前, 可以起到方便购买、节约空间、美化购物环境、激发顾客的购买欲等各种重要作用。 1.2提出问题 那么超市应该对哪些销售信息进行挖掘？怎样挖掘？具体说，超市如何运用OLAP操作和关联规则了解顾客购买习惯和商品之间的关联，正确的摆放商品位置以及如何运用促销手段对商品进行销售呢？如何判断一个顾客的销售水平并进行推荐呢？本次实验为解决这一问题提出了解决方案。 2.数据仓库与数据集市的概念介绍 2.1数据仓库介绍 数据仓库，英文名称为Data Warehouse，可简写为DW或DWH，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它并不是所谓的“大型数据库”。........ 2.2数据集市介绍 数据集市，也叫数据市场，是一个从操作的数据和其他的为某个特殊的专业人员团体服务的数据源中收集数据的仓库。....... 3.数据仓库 3.1数据仓库的设计 3.1.1数据库的概念模型 3.1.2数据仓库的模型 数据仓库的模型主要包括数据仓库的星型模型图，我们创建了四个 滨江学院 题目数据库实验报告（一） 学生姓名 学号 系部电子工程系 专业通信工程 指导教师林美华 二Ｏ一三年十二月十八日 实验一数据库的定义实验 本实验需要2学时。 一、实验目的 要求学生熟练掌握和使用SQL、SQL Server企业管理器创建数据库、表、索引和修改表结构，并学会使用SQL Server 查询分析器接收语句和进行结果分析。 二、实验内容 1 创建数据库和查看数据库属性。 2 创建表、确定表的主码和约束条件。为主码建索引。 3 查看和修改表结构。 4 熟悉SQL Server企业管理器和查询分析器工具的使用方法。 三、实验步骤 1 基本操作实验 (1) 使用企业管理器按教材中的内容建立图书读者数据库。 （2）在企业管理器中查看图书读者数据库的属性，并进行修改，使之符合要求。 （3）通过企业管理器，在建好的图书借阅数据库中建立图书、读者和借阅3个表，其结构为； 图书（书号,类别,,作者,书名,定价,作者）. 读者(编号，,单位,性别,)． 借阅(书号,读者编号,借阅日期) 要求为属性选择合适的数据类型，定义每个表的主码.是否允许空值和默认值等列级数据约束。 （4）在企业管理器中建立图书、读者和借阅3个表的表级约束．每个表的主码约束．借阅表与图书表间、借阅表与读者表之间的外码约束，要求按语义先确定外码约束表达式．再通过操作予以实现．实现借阅表的书号和读者编号的惟一性约束：实现读者性别只能是“男”或“女”的Check(检查)约束。 2 提高操作实验 (一) 将教材中用SQL描述的建立学生--课程操作．在SQL Server企业管理器中实现。库中表结构为： 学生（学号,,年龄,性别,所在系）． 课程（课程号,课程名,先行课）． 选课（学号,课程号,成绩） 要求: 1)建库、建表和建立表间联系。， 2)选择合适的数据类型。 3)定义必要的索引、列级约束和表级约束． 四、实验方法 l创建数据库 （1）使用企业管理器创建数据库的步骤 1)从“开始”菜单中选择；“程序”“Microsoft SQL2000”“企业管理器”. 数据挖掘实验报告-实验1-W e k a基础操作 学生实验报告 学院：信息管理学院 课程名称：数据挖掘 教学班级： B01 姓名： 学号： 实验报告 课程名称数据挖掘教学班级B01 指导老师 学号姓名行政班级 实验项目实验一： Weka的基本操作 组员名单独立完成 实验类型■操作性实验□验证性实验□综合性实验实验地点H535 实验日期2016.09.28 1. 实验目的和要求： （1）Explorer界面的各项功能； 注意不能与课件上的截图相同，可采用打开不同的数据文件以示区别。 （2）Weka的两种数据表格编辑文件方式下的功能介绍； ①Explorer-Preprocess-edit，弹出Viewer对话框； ②Weka GUI选择器窗口-Tools | ArffViewer，打开ARFF-Viewer窗口。（3）ARFF文件组成。 2．实验过程（记录实验步骤、分析实验结果） 2.1 Explorer界面的各项功能 2.1.1 初始界面示意 其中：explorer选项是数据挖掘梳理数据最常用界面，也是使用weka最简单的方法。 Experimenter：实验者选项，提供不同数值的比较，发现其中规律。 KnowledgeFlow：知识流，其中包含处理大型数据的方法，初学者应用较少。 Simple CLI ：命令行窗口，有点像cmd 格式，非图形界面。 2.1.2 进入Explorer 界面功能介绍 （1）任务面板 Preprocess（数据预处理）：选择和修改要处理的数据。 Classify（分类）：训练和测试分类或回归模型。 Cluster（聚类）：从数据中聚类。聚类分析时用的较多。 Associate（关联分析）：从数据中学习关联规则。 Select Attributes（选择属性）：选择数据中最相关的属性。 Visualize（可视化）：查看数据的二维散布图。 （2）常用按钮数据库实验报告
大数据挖掘weka大数据分类实验报告材料
数据挖掘实验报告1
数据库实验报告
数据挖掘实验报告 超市商品销售分析及数据挖掘
数据库实验报告(一)
数据挖掘实验报告-实验1-Weka基础操作