抽样调查报告终极版

兰州大学在校研究生上网时间的抽样调查报告

摘要：运用整群抽样和简单随机抽样的方法对我校在读研究生过去一个星期上网时间进行抽样调查，并对调查结果进行分析。

关键词：整群抽样简单随机抽样上网时间研究生

一．调查目的

随着科技的进步，网络的发展日新月异，作为文化程度较高的一类人群，研究生更是离不开网络。一方面，网络可以帮助我们收集资料，模拟一些现实中不好实现的实验，而且网络使得人们之间的交流变的越来越便捷，研究生作为研究型人员，需要借助网络进行科研；另一方面，由于网络是一个虚拟世界，有一小部分学生每天沉迷于网络，导致学业下滑，而且对身体也造成了一定的伤害，例如，眼睛近视越来越严重。由于网络是一把双刃剑，所以对上网时间进行调查是十分必要的，可以帮助我们树立正确的上网观念，充分发挥网络的积极一面，避免沉溺其中，浪费了时间与精力。现对我校一万多名研究生进行抽样调查。

二．调查范围与方法

1.调查方法

1.1整群抽样的定义:如果总体中所有的基本单元可以依据存在的某种联系组成规模较大的单元集合，则在抽样时可以将这种单元集合称为“初级抽样单元”，而基本单元称为“次级抽样单元”。从总体中随机抽取一部分初级抽样单元，并对中选的初级抽样单元中的所有次级抽样单元都进行调查的抽样方法称为整群抽样。

1.2 整群抽样的特点：

（1）当缺乏总体基本单元的抽样框时，可以采用整群抽样；

（2）调查实施便利、节省费用；

（3）整群抽样有特殊的用途；

（4）若群内单元有趋同性，整群抽样的抽样误差较大；

（5）采用整群抽样时，通常无法提前知道调查的总样本量。

1.3符号与公式：

为了方便讨论，对需要用到的符号与公式加以说明(此处只针对群规模相等时的情形)

总体群数：N ; 样本群数：n ; 抽样比：N

n f =

; 总体第 i 群中第 j 个次级单元的指标值：ij Y ；样本第 i 群中第 j 个次级单元的指标值：ij y ；

总体中第 i 群的均值：M Y Y i

i =

；样本中第 i 群的均值：M

y i i =；

总体各群的均值：∑==N

i i

N Y Y 1

; 样本各群的均值：∑

==n

i i

y y 1；总体均值：M Y Y =

; 样本均值：M

y y =

; 总体方差：∑∑==--=N i M

j ij Y y NM S 11

)(11

; 样本方差：∑∑==--=n i M

j ij y y nM s 11

)(11

；总体群间方差：∑∑==--=--=N

i i N i i b

Y Y N M Y Y N M S 1

2122

)()1(1)(1；样本群间方差：∑∑==--=--=n

i i n i i b y y n M y y n M s 1

212

)()1(1)(1；总体群内方差：∑∑==--=N i M

j i ij w

Y Y M N S 11

)(1(1；

样本群内方差：∑∑==--=n i M

j i ij w Y y M n s 11

)()1(1. 2.调查范围

考虑到全校有一万多名研究生，若对所有人进行调查，不但耗费人力、物力，而且浪费时间，再说我们只是想得到一个大致的上网时间，所以进行全部调查是没有必要的。抽样方法需遵循经济而有效的原则，我校研究生宿舍一般都是四人间，所以以宿舍为群进行整群抽样，既符合学校的地理和人员情况，也有利于抽样工作的展开。

三．调查内容与实施方案 3.1调查内容：

（1）掌握被调查宿舍的每个学生的上网时间；（2）被调查学生对上网时间长短的看法；（3）被调查学生上网时经常做的事情。 3.2实施方案：

根据已经设计好的抽样方法确定调查对象，并对调查对象进行直接面对面的问访，得到被调查对象的具体上网时间。此次问访共采访了32个人，由于这种问访方式回答率比较高，故得到的数据共有32个。 3.3调查工具：

由于此次调查的区域为我校内部，人员较为集中，并且采用的是面对面的问访，得到有效数据的效率应该很高，故没有花费。

四．调查结果

现在把调查到的数据结果列表如下：

宿舍学生A 学生B 学生C 学生D 各群均值

1 35 50 56 40 45.25

2 60 36 32 42 42.5

3 37 43 5

4 62 49

4 48 50 57 4

5 50

5 6

6 34 34 42 44

6 53 4

7 35 34 42.25

7 51 60 36 42 47.25

8 44 46 48 53 47.75

五．数据分析

通过SPSS对数据进行分析，分析结果如下：

表一

Descriptive Statistics

Statistic Std. Error

Bootstrap a

Bias Std. Error

93.9% Confidence Interval

Lower Upper

x1 N 4 0 0 4 4 Mean 45.25 4.750 .80 3.46 37.53 51.99

Std. Deviation 9.500 -1.182 1.852 2.905 10.874

Variance 90.250 -17.732 28.383 8.479 118.250

Kurtosis -2.998 2.619 2.067 3.534 -6.000 4.000 x2 N 4 0 0 4 4 Mean 42.50 6.185 -1.08 4.30 34.51 50.98

Std. Deviation 12.369 -2.340 4.035 3.004 15.090

Variance 153.000 -36.635 71.325 9.026 227.720

Kurtosis 1.840 2.619 -1.058 3.291 -6.000 4.000 x3 N 4 0 0 4 4 Mean 49.00 5.583 .34 4.13 40.00 59.96

Std. Deviation 11.165 -1.807 2.784 3.464 14.421

Variance 124.667 -29.583 47.963 12.000 207.974

Kurtosis -2.515 2.619 1.531 3.467 -6.000 4.000 x4 N 4 0 0 4 4

Mean 50.00 2.550 .28 2.07 46.50 54.74

Std. Deviation 5.099 -.734 1.554 1.155 6.185

Variance 26.000 -4.604 11.935 1.333 38.250

Kurtosis 1.500 2.619 -2.152 3.540 -6.000 4.000 x5 N 4 0 0 4 4 Mean 44.00 7.572 -1.31 5.10 36.00 53.98

Std. Deviation 15.144 -3.122 5.563 4.000 18.475

Variance 229.333 -54.833 114.036 16.000 341.333

Kurtosis 2.615 2.619 -1.000 3.681 -6.000 4.000 x6 N 4 0 0 4 4 Mean 42.25 4.644 -.41 3.62 34.25 50.00

Std. Deviation 9.287 -1.652 2.571 .500 10.967

Variance 86.250 -21.544 30.816 .250 120.280

Kurtosis -3.974 2.619 2.795 4.227 -6.000 4.000 x7 N 4 0 0 4 4 Mean 47.25 5.250 -.07 4.63 37.52 55.50

Std. Deviation 10.500 -1.340 2.619 3.000 12.369

Variance 110.250 -19.711 42.312 9.000 153.000

Kurtosis -1.598 2.619 .675 3.190 -6.000 4.000 x8 N 4 0 0 4 4 Mean 47.75 1.931 .07 1.36 45.00 51.73

Std. Deviation 3.862 -.614 1.037 1.155 5.192

Variance 14.917 -3.326 6.379 1.333 26.956

Kurtosis .984 2.619 -.668 3.273 -6.000 4.000 Valid N (listwise) N 4 0 0 4 4 a. Unless otherwise noted, bootstrap results are based on 32 bootstrap samples

表二

Statistics

Statistic

Bootstrap a

Bias Std. Error

93.9% Confidence Interval

Lower Upper

N Valid 32 0 0 32 32 Missing 0 0 0 0 0 Mean 46.00 -.09 1.74 42.44 49.96 Std. Error of Mean 1.664

Median 45.50 -.25 2.58 42.00 50.99

Mode 34b

Std. Deviation 9.412 -.241 .909 6.431 10.677 Variance 88.581 -3.681 16.054 41.372 114.000 Range 34

Percentiles 25 36.25 1.66 2.79 34.25 44.97

50 45.50 -.25 2.58 42.00 50.99

75 53.00 -.14 2.77 48.01 59.97

a. Unless otherwise noted, bootstrap results are based on 32 bootstrap samples

b. Multiple modes exist. The smallest value is shown

表三

Frequency Percent Valid Percent Cumulative Percent Bootstrap for Percent a Bias Std. Error

Valid 32 1 3.1 3.1 3.1 .6 3.1

34 3 9.4 9.4 12.5 -.1 5.1

35 2 6.3 6.3 18.8 -.7 3.9

36 2 6.3 6.3 25.0 -.4 4.6

37 1 3.1 3.1 28.1 .2 3.0

40 1 3.1 3.1 31.3 .4 3.6

42 3 9.4 9.4 40.6 2.1 6.3

43 1 3.1 3.1 43.8 -.4 2.7

44 1 3.1 3.1 46.9 -.9 2.4

45 1 3.1 3.1 50.0 -.4 2.7

46 1 3.1 3.1 53.1 -.1 2.4

47 1 3.1 3.1 56.3 -.9 2.3

48 2 6.3 6.3 62.5 1.3 5.1

50 2 6.3 6.3 68.8 -.7 4.5

51 1 3.1 3.1 71.9 -.5 2.3

53 2 6.3 6.3 78.1 .1 4.2

54 1 3.1 3.1 81.3 .1 3.5

56 1 3.1 3.1 84.4 .1 2.8

57 1 3.1 3.1 87.5 .7 3.1

60 2 6.3 6.3 93.8 .1 4.7

62 1 3.1 3.1 96.9 -.5 2.9

66 1 3.1 3.1 100.0 -.2 2.2

Total 32 100.0 100.0 .0 .0

由上表的数据计算可知，由已知得，2000=N ，8=n ，4=M ,004.0==

f , 所以可得)(468

.475.4225.45811811h y y n y i i n i i =+++===∑∑==

.345.6074

])4675.47()4625.45[(184)(1221

=?=++-=--=∑=--y y n M s n

i i b 076.157.344

8004

.011)(2≈??-=-=

b s nM f y v )(04.1076.1)()(h y v y s ≈==

于是Y 的置信度为%95的置信区间为04.196.146?±，也即]04.48,96.43[。由以上计算结果可知，从样本数据来看，被调查的学生平均上网时间为46小时，样本群间方差为34.57，样本均值的方差为1.076，标准差为1.04，由估计量的无偏性和依据样本来估计总体可得，我校研究生每星期平均上网时间为46小时，而我们有%95的把握保证我校研究生的上网时间在]04.48,96.43[之内。

对结果进行分析与评价可知，我校研究生每周的平均上网时间为46小时，也即是每天平均7个小时左右，由此我们可以猜测我校研究生的平均上网时间是比较长的，除了每天上课和其他的事情之外，大部分的时间都是花费在了网络上，可能其中有一部分时间确实是花在了收集资料和写论文上，但除此之外的大部分时间都是花费在了娱乐上，例如玩游戏、看电影、听音乐、网上购物等，这导致我们浪费了大量的时间和精力，最终也没有得到学业上的提高。我认为，作为一名研究生，我们应该把时间花费在阅读和本专业相关的文献上，并认真学习本专业必修课程，以此提高自己的专业素养。针对调查内容的第二个问题，经过问访被调查的学生，大部分学生认为自己的上网时间其实不算太长，和本科时还有一定的差距，但他们普遍都提到一个相同的问题，就是除了上网学习的时间，剩下的时间都不知道自己上网干什么，就是说虽然明知道有的课程还没有学会，就算

有时间去看书，但也不想去看，而是坐在电脑前，把大量时间白白的浪费掉了。这应该提醒我们，不要把时间浪费在无所事事上，如果想放松一会，不是不可以，但放松完之后应该好好学习，不能因为无聊去上网，这样会得不偿失。

六．对抽样方法的评价

整群抽样的设计效应为：ρ)1(1)

()

(-+≈=

M y V y V deff srs ，其中ρ为群内相关系

数。由公式可以得知，整群抽样的设计效应大小主要取决于总体中群内各次级单

元间相关程度的大小，也就是说要提高整群抽样的设计效应，分群时要尽可能增大群内各次级单元的差异，从而降低ρ值。当群是自然形成时，无法通过调整群内次级单元而控制ρ的取值，这时只能通过增大样本量来提高其设计效应。参考文献：

[1] 金勇进抽样：理论与应用[M] 高等教育出版社 2010.8.

[2] 谢蕾蕾宋志刚何旭洪 SPSS 统计分析实用教程[M]. 人民邮电出版社, 2014. [3] 薛薇. 统计分析方法及应用[M] . 北京:电子工业大学出版社,2013.

2005年全国1%人口抽样调查

2005年全国1%人口抽样调查主要数据公报中华人民共和国国家统计局 2006年3月16日经国务院批准，我国于2005年底开展了全国1%人口抽样调查工作。这次调查以全国为总体，以各省、自治区、直辖市为次总体，采取分层、多阶段、整群概率比例的抽样方法。最终样本单位为调查小区。这次调查的样本量为1705万人，占全国总人口的1.31%。在国务院和地方各级人民政府的统一领导下，通过调查工作人员的艰苦努力，调查的各项任务已基本完成。现将快速汇总的全国总人口及其结构的主要数据公布如下：一、总人口 2005年11月1日零时，全国31个省、自治区、直辖市和现役军人的总人口为130628万人，与2000年11月1日零时第五次全国人口普查的总人口126583万人相比，增加了4045万人，增长3.2%；年平均增加809万人，年平均增长0.63%。根据调查数据推算，2005年年末总人口为130756万人。二、流动人口全国人口中，流动人口为14735万人，其中，跨省流动人口4779万人。与第五次全国人口普查相比，流动人口增加296万人，跨省流动人口增加537万人。三、城乡构成全国人口中，居住在城镇的人口56157万人，占总人口的42.99%；居住在乡村的人口74471万人，占总人口的57.01%。与第五次全国人口普查相比，城镇人口占总人口的比重上升了6.77个百分点。四、性别构成全国人口中，男性为67309万人，占总人口的51.53%；女性为63319万人，占总人口的48.47%。性别比（以女性为100，男性对女性的比例）为106.30，与第五次全国人口普查相比下降0.44。五、年龄构成全国人口中，0-14岁的人口为26478万人，占总人口的20.27%；15-59岁的人口为89742万人，占总人口的68.70%；60岁及以上的人口为14408万人，占总人口的11.03%（其中，65岁及以上的人口为10045万人，占总人口的7.69%）。与第五次全国人口普查相比，0-14岁人口的比重下降了2.62个百分点，60岁及以上人口的比重上升了0.76个百分点（其中，65岁及以上人口比重上升了0.73个百分点）。

抽样调查报告格式范文

抽样调查报告格式范文抽样调查工作开展以后应该要怎么进行相关的报告编写呢？下面是小编推荐给大家的抽样调查报告格式范文，希望大家有所收获。来源国家统计局继20xx年首次开展全国群众安全感调查之后，已于20xx年11月份组织开展了第二次全国群众安全感抽样调查工作。现将本次抽样调查的主要数据公布如下：被调查者的基本情况本次共抽取全国31个省、自治区、直辖市年满16周岁以上的101988人进行了问卷调查。在被调查者中，男性59760人，占被调查人员总数的58.6%；女性42228人，占41.4%。从被调查者的年龄来看，16岁至17岁的2192人，占2.1%；18岁至25岁的10396人，占10.2%；26岁至34岁的23674人，占23.2%；35岁至49岁的38407人，占37.7%；50岁至59岁的13694人，占13.4%；60岁以上的13625人，占13.4%。从被调查者所居住的地区看，城区27426人，占26.9%；城市郊区5084人，占5%；镇12320人，占12.1%；乡村57158人，占56%。群众对公共安全的基本感受问题一：在目前的社会治安环境下，您感觉安全吗？回答“很安全”的有7034人，占被调查人员总数的6.9%，比20xx年的调查结果提高0.7个百分点；回答“安全”的有36254人，占35.6%，同比提高4个百分点；回答“基本安全”的有42473人，占41.6%，同比降低2个百分点；回答“不太安全”的有12615人，占12.4%，同比降低2.1个百分点；回答“不安全”的有3612

人，占3.5%，同比降低0.6个百分点。问题二：您认为当前哪一类治安问题最影响您的安全感？回答“刑事犯罪”的有28201人，占被调查人员总数的27.7%，比20xx年调查结果降低2.8个百分点；回答“公共秩序混乱”的有26044人，占25.5%，同比基本持平；回答“交通事故”的有21900人，占21.5%，同比提高1.5个百分点；回答“火灾”的有4384人，占4.3%，同比提高0.4个百分点；回答“没有”的有19806人，占19.4%，同比提高1.4个百分点；回答“其他”的有1653人，占1.6%，同比降低0.4个百分点。问题三：夜间，您在所居住地区是否敢单独外出行走？回答“敢走”的有72470人，占被调查人员总数的71.1%，比20xx年调查结果提高0.5个百分点；回答“不敢走”的有29518人，占28.9%，同比降低0.5个百分点。问题四：如果您和您的家人外出不在家，您是否担心家里财物被盗？回答“不担心”的有40253人，占被调查人员总数的39.5%，比20xx年调查结果提高3个百分点；回答“担心”的有61735人，占60.5%，同比降低3个百分点。问题五：您最担心在哪一个地方受到不法侵害？回答“繁华街区”的有6000人，占被调查人员总数的5.9%，比20xx年调查结果提高0.3个百分点；回答“商场或集贸市场”的有16597人，占16.3%，同比提高0.5个百分点；回答“公共汽车或长途汽车”的有21840人，占21.4%，同比持平；回答“住宅周围”的有17844人，占17.5%，同比降低1个百分点；回答

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.360docs.net/doc/2f9746545.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.360docs.net/doc/2f9746545.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；

2017人口老龄化情况调查报告

2017人口老龄化情况调查报告人口老龄化是指一个国家或地区在一个时期内老年人口比重不断上升的现象或过程下面是中国人才网为您准备的2017人口老龄化情况调查报告，供大家参考和借鉴噢!希望能对您有所帮助。后续精彩不断，敬请关注! 人口老龄化情况调查报告一：联合国规定凡 65 岁以上的老年人口占总人口的比例达 7%以上或 60 岁以上老年人口在总人口中的比重超过 10%的属老年型国家或地区。我国从 2000 年已经进入老龄化社会。第六次人口普查数据显示，60 岁及以上人口占 13.26%，比 2000 年人口普查上升 2.93 个百分点，其中65 岁及以上人口占8.87%，比2000 年人口普查上升 1.91 个百分点。0-14 岁人口占16.60%，比 2000 年人口普查下降 6.29 个百分点。然而，90-00 年的十年间，60 岁以上和 65岁以上人口比例分别提升了 1.77 和 1.45 个百分点，0-14 岁区间少年儿童人口比重下降了 4.93个百分点。可以看出，人口老龄化的速度在加快，少年儿童比重降低速度亦在加快。中国的老龄化是一个规模大且发展迅速的过程，比其他国家都要更快。据第六次全国人口普查数据，全国65岁以上人口比重为7%。可以看到，我国老年人口比重已大幅上升。从总体上看，我国每百人所拥有的养老机构床位数较低，大体徘徊在1-2张之间。这与发达国家5-7张的床位数

相比有较大的差距。也与我国老年人对养老机构的需求有较大的缺口，养老机构床位数供给远小于需求，供需矛盾十分突出。预计到期末，全国老年人口将增加至1亿，届时80岁及以上的高龄老人将达到2400万，65岁以上空巢老人将超过5100万;到2025年，中国老年人口总数将近3亿，到2050年，我国将有4亿老年人，也即每三个人中就有一个是老年人，而且按照现在我国老龄化发展趋势，人口老龄化比例从20%提到30%只需20多年的时间，发展非常迅速。预测到2020年，养老床位需求为729万张，2025年底全国养老床位应达到900万张以上。联合国认为，如果一个国家60岁以上的老年人口达到总人口数的1%或者65岁以上老年人口占人口总教的7%以上，那么这个国家就已经属于人口老龄化国家。人口老龄化是人口年龄结构变化所产生的，而人口年龄结构的变化取决于出生、死亡和迁移三个因素。决定人口老龄化最主要的因素是生育率下降。中国的人口老龄化也不例外，它也是在社会经济发展、科技进步和生育率下降的情况下出现的。到1999年，我国已经进入人口老龄化的行列。可持续发展是指在人口、社会、经济、资源、环境相互协调和共同发展的基础上，整个人类社会能在资源保证、环境良性状态下持续、健康发展，而人口老龄化无论现在还是将来都会对我国人

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 #include #include #define DEEP 3 #define DATAFILE "data.txt" #define VPT 10 //定义结构体 typedef struct chain{ int num; struct chain *next; }* data; //定义全局变量 data head,p,q; FILE *fp; int num,sum,count=0; int i,j; int *box; void mean(); void medain(); void boundary(); int main () { //定义头指针 head=(data)malloc(sizeof(struc t chain)); head->next=NULL; /*打开文件*/ fp=fopen(DATAFILE,"r"); if(!fp) exit(0); p=head; while(!feof(fp)){

抽样调查报告分析

抽样调查报告分析篇一：抽样调查报告大学生对大学生活看法调查组员姓名:程家谱陈涌内容提要为了了解目前大学生对大学教育的看法，制定更好的大学教育方案，我们小组对我校学生关于学校教育方面的看法进行了调研，期间共发放问卷120份，回收96,其中有效问卷90份，有效问卷占%。本次的问卷调查主要是针对我校大一到大三学生，内容涉及了学生对大学教育的满意度，并且对学校教育的改善提出建议。调研的结果通过随机抽样的形式对其中的几份做了统计分析。本小组运用SPSS软件和EXCEL软件对问卷中涉及到的问题做了具体分析，通过描述行统计分析方法，对其中涉及到的问题进行

分类,针对各种对象进行统计分析，得出我们的结果。调查背景在大学教育基本普及的今天，大学已经成为人们成长过程的一个重要阶段。但是大学教育依然处在待完善状态，那么对不同的学生又有怎样的影响呢？为了解这一情况，我们小组做了一个简单的调查。调查目的与意义调查目的为更好的发挥大学的作用，让学生更好的融入大学生活，学到更多的知识，我们小组特进行了此次调查。调查意义大学是国家培养高端人才的地方，其意义重大而深远。它是国家强盛的根本所在，为国、为民、为家、为己、为他，大学生都应该让自己的大学生活充实起来。研究方法此次调研主要采用的是问卷调查的形式进行的。问卷以封闭式题目为主，

辅以个别开放式问题。问卷调查本次问卷调查以浙江工业大学大一至大三在校学生为调查对象，采用完全随机抽样方法，在调查人群中共发放份回收率为80%，其中有效问卷90份。并对所有问卷分类编号，为后期数据处理做准备。抽样方法：随机抽样调查时间：有效样本容量：90 调查内容：大学生对大学生活的看法资料收集 5月31日，在教学区随机对我校大一至大三学生发放问卷调查；5月31日，我小组对问卷统计结果。调查结果共发放问卷120份，回收96份，其中有效问卷90份，有效问卷占75%。结果分析男女学生比例情况

人口老龄化调查报告图表

竭诚为您提供优质文档/双击可除人口老龄化调查报告图表篇一：我国人口老龄化调查报告我国人口老龄化调查报告根据国家统计局20xx年4月28日公布的第六次人口普查的统计数据，这些数据是宝贵的一手资料，从中揭示了一系列的社会问题。一、老龄化社会的标准：根据国际通行的判断标准，通常把60岁以上的人口占总人口比例达到10％，或65岁以上人口占总人口的比重达到7％作为国家或地区进入老龄化社会的标准。二、我国人口老龄化现状：从我国第六次普查数据可以看出，我国60岁及以上人口为1.78亿，占13.26%，其中65岁及以上人口为1.19亿，占8.87%，已经进入老龄化社会。更确切地说，我国早在第五次人口普查时已经进入老龄化社会。第六次人口普查数据显示老龄化加剧。三、老龄化社会的形成原因：目前我国进入老龄化社会主要是由于医疗卫生事业的

进步和出生率的下降引起的。四、老龄化社会的应对方法： 1、建立和健全社会保障体系，尤其是农村的医疗和养老体系，将是我国未来一段时期内需要解决的社会问题。因此，我国在相当长一段时间内将仍旧以家庭养老为主，社会养老为辅，并通过健全社会保障体系，逐步过渡到以社会养老为主，家庭养老为辅。 2、建立和健全关于老年人权益保护的法律和法规是我国司法部门将要面对的问题。另外，我们也应该加强社会道德宣传，重拾中华民族“尊老爱幼”的传统美德，全社会共同关爱老年人。 3、重视“银发产业”的开发和发展，满足老年人日益增长的物质生活需要。 4、注重老年人的精神需求，在医疗保障中，不仅要有身体保障，还应有精神保障。 5、充分利用老年人多样的人生历练、丰富的社会经验、积极平和的心态，让一部分有能力、也愿意为社会发挥余热的老年人，在社区建设、文化交流方面占据一席之地。篇二：关于中国人口老龄化的调查报告设计与艺术学院首届孝文化节关于

统计调查报告_范例

.调查目的 .调查内容和调查表 .调查范围 .调查方式和方法 .调查项目定价与预算 .数据分析方案 .其他内容案例：湘潭大学单放机市场调查计划书一、前言单放机——又称随身听，是一种集娱乐性和学习性于一体的小型电器，因其方便实用而在大学校园内广为流行。目前各高校都大力强调学习英语的重要性，湘潭大学已经把学生英语能否过四级和学位证挂钩，为了练好听力，湘大学子几乎人人都需要单方机，市场容量巨大。为配合某单放机产品扩大在湘大的市场占有率，评估湘大单放机行销环境，制定响应的营销策略，预先进行湘大单放机市场调查大有必要。本次市场调查将围绕市场环境、消费者、竞争者为中心来进行。二、调查目的要求详细了解湘大单放机市场各方面情况，为该产品在湘大的扩展制定科学合理的营销方案提供依据，特撰写此市场调研计划书。、全面摸清企业品牌在消费者中的知名度、渗透率、美誉度和忠诚度。、全面了解本品牌及主要竞争品牌在湘大的销售现状。、全面了解目前湘大主要竞争品牌的价格、广告、促销等营销策略。、了解湘大消费者对单放机电器消费的观点、习惯。、了解湘潭大学在校学生的人口统计学资料，预测单放机市场容量及潜力。三、调查内容市场调研的内容要根据市场调查的目的来确定。市场调研分为内、外调研两个部分，此次服装市场调研主要运用外部调研，其主要内容有：（一）行业市场环境调查主要的调研内容有：、湘大单放机市场的容量及发展潜力；、湘大该行业的营销特点及行业竞争状况；、学校教学、生活环境对该行业发展的影响；、当前湘大单放机种类、品牌及销售状况；、湘大该行业各产品的经销网络状态；（二）消费者调查主要的调研内容有：、消费者对单放机的购买形态（购买过什么品牌、购买地点、选购标准等）与消费心理（必须品、偏爱、经济、便利、时尚等）。、消费者对单放机各品牌的了解程度（包括功能、特点、价格、包装等）；、消费者对品牌的意识、对本品牌及竞争品牌的观念及品牌忠诚度；、消费者平均月开支及消费比例的统计；、消费者理想的单放机描述。（三）竞争者调查主要的调研内容：、主要竞争者的产品与品牌优、劣势；、主要竞争者的营销方式与营销策略；

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。

2016年度成都市旅游市场抽样调查报告

2016年成都市国内旅游抽样调查报告第一部分调查目的与主要结论一、调查目的根据国家旅游局旅游统计制度要求，为进一步掌握成都市2016年国内旅游发展情况，全面了解来蓉国内游客客源构成、平均停留时间、旅游花费及构成、旅游目的、本市居民平均出游率等方面有关情况，为加强成都国内旅游的宏观管理，加快推动成都国内旅游市场快速发展，为制定国内旅游市场相关产业促进政策提供数据支撑和科学依据，成都市旅游局委托第三方测评机构——四川西部民生研究院，开展国内游客抽样调查。二、调查主要结论调查显示，2016年成都市国内游客主要有以下特征： 1.游客类型以本地游客和一日游游客居多，主要目的为休闲度假和观光游览，游览方式以“自由行”为主。本年度共调查8471个国内游客，其中，一日游游客5441人，占64.23%;过夜游游客3030人，占41.3%。从客源地来源看，来自成都市内游客占比为5 2.30%，市外省内游客占27.45%，省外游客占20.25%;从旅游主要目的来看，以休闲/度假(46.91%)和观光/游览(40.53%)为主，两者的比例为87.40%;从旅游方式来看，以“自由行”占绝对优势，参加旅行社组织的游客所占比例仅为1.63%，值得注意的是，自驾车旅行的占比已由2015年的3 3.2%增长至42.36%，散客化和自驾游趋势明显。 2.游客游览景点个数和平均停留天数均有所增长。2016年，受访游客在蓉平均游览景点数量由去年的1.5个增至2.0个，其中省外游客在蓉平均游览景点数量为2.8个，市外省

内游客为2.1个，市内游客为1.8个;过夜游客平均停留时间由去年的1.9天增至2.0天，其中市内游客平均停留1.6天，市外省内游客平均停留2.0天，省外游览平均停留2.6天。 3.游客花费较上年度有较大幅度增长，花费主要集中在交通、住宿、购物和餐饮等方面。2016年的游客花费主要呈现以下特点：一是2016年国内游客在蓉旅游期间人均花费为1227.7元，比去年(1051.0元)增加了176.7元，增长幅度为16.81%;二是游客花费主要集中在交通、住宿、购物和餐饮等方面，各项花费的占比均在20%左右。与去年相比各项旅游花费的占比变化不大，餐饮、购物、住宿、景区游览、通讯的占比略有上升，交通、娱乐等花费占比略微下降;三是过夜游游客人均花费(2137.1元)比去年(1913.1元)提高224元，一日游游客人均花费(61 4.0元)比去年(689.1元)减少了7 5.1元，二者之间的差距由1224.0元进一步扩大至1523.1元;四是市内游客在蓉旅游期间的人均花费较低(387.5元)，市外省内游客和省外游客花费均比较高，分别为1514.4元和3009.8元;五是住在亲友家的游客人均花费较低(1332.1元)，住在商务(社会)酒店的游客和住在星级酒店/宾馆的游客人均花费则比较高，分别为247 6.8元和3240.2元。以上特征显示，我市游客花费虽有较大幅度提升，但仍以吃、住、行等必要的基本消费为主，购物、娱乐等方面的非基本花费占比仍然较低。同时，过夜游客、市外游客的花费明显较高，而我市游客类型又以本地游客和一日游游客居多。建议大力提升我市在国内旅游市场知名度，坚持优质服务，丰富产品和服务供给，加大夜间旅游的开发力度，在娱乐和购物服务方面狠下功夫，吸引更多市外和省外游客。 4.国内游客对我市山水风光、文物古迹和大熊猫等旅游资源最感兴趣。受访游客表示感兴趣的资源集中在青城山、天台山等山水风光类(占59.34%)，武侯祠、金沙遗址等文物古迹类(占5 5.05%)和大熊猫(占33.24%)等方面。省内、省外游客均对山水风光类资源感兴趣;

调查研究报告格式要求及写作范例

调研报告选题、格式和撰写要求根据《重庆城市管理职业学院思想政治理论课实践教学网络平台学生学习指南》的有关规定，学生必须完成社会教育环节中的“社会调研”模块的学习。为便于任课教师指导学生完成学习任务，特对相关学习要求作如下说明：一、任课教师指导任务的要求 1.指导学生组成社会调研小组。每组不得超过10人。 2.指导学生确定调研选题。要联系当学期理论教学实际、社会实际和学生实际，引导学生拟定若干调研选题，供学生选择确定调研项目。 3.指导或审查学生提交的调研选题申请书描述的具体思路、项目的可行性。 4.指导学生开展社会调研。包括拟制调研提纲或调研问卷，开展问卷调研、实地考察、个别访谈，归纳整理分析调研材料，撰写格式规范的调研报告等。 5.在实践教学网络平台“成果展示区”中下载任课班级学生提交的调研报告，对学生的调研报告进行认真审核后，在教师管理平台“成果展示区”中进行成绩评定（点击通过或不通过，对通过者进行分等认定）并推荐优秀调研作品。等级认定标准：选题内容全部原创、富有新意，各方面符合要求的为“优秀”；部分原创、有较大新意，大部分符合要求的为“良好”；有原创成分和一定新意，大部分符合要求的为“中等”；有原创成分，基本符合要求的为“及格”；无原创，完全抄袭的为“不通过”。二、学生进行社会调研模块学习的要求 1.学习领会《学生学习指南》中有关社会教育环节“社会调研”模块的相关规定，明确学习要求。

2.服从任课教师对社会调研模块学习的相关要求和指导，并按规范格式撰写不少于2500字的调研报告。 3.在当学期结束前两周要将调研报告电子版提交至网络平台“成果展示区”。三、其他有关事项说明调研报告封面格式、正文格式、参考范文分别见附件1、附件2、附件3，请在撰写时按格式要求完成。附件1：调研报告封面格式关于******的调查报告（黑体，小二号，加粗）二级院系：（宋体，四号）

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 #include #define D 4 //事务的个数 #define MinSupCount 2 //最小事务支持度数 void main() { char a[4][5]={ {'A','C','D'}, {'B','C','E'}, {'A','B','C','E'}, {'B','E'} }; char b[20],d[100],t,b2[100][10],b21[100 ][10]; int i,j,k,x=0,flag=1,c[20]={0},x1=0,i1 =0,j1,counter=0,c1[100]={0},flag1= 1,j2,u=0,c2[100]={0},n[20],v=1; int count[100],temp; for(i=0;i=MinSupCount) { d[x1]=b[k]; count[x1]=c[k]; x1++; } } //对选出的项集中的元素进行排序 for(i=0;i

抽样调查报告

大学生对大学生活看法调查组员姓名:程家谱陈涌内容提要为了了解目前大学生对大学教育的看法，制定更好的大学教育方案，我们小组对我校学生关于学校教育方面的看法进行了调研，期间共发放问卷120份，回收96,其中有效问卷90份，有效问卷占93.75 %。本次的问卷调查主要是针对我校大一到大三学生，内容涉及了学生对大学教育的满意度，并且对学校教育的改善提出建议。调研的结果通过随机抽样的形式对其中的几份做了统计分析。本小组运用SPSS软件和EXCEL软件对问卷中涉及到的问题做了具体分析，通过描述行统计分析方法，对其中涉及到的问题进行分类,针对各种对象进行统计分析，得出我们的结果。调查背景在大学教育基本普及的今天，大学已经成为人们成长过程的一个重要阶段。但是大学教育依然处在待完善状态，那么对不同的学生又有怎样的影响呢？为了解这一情况，我们小组做了一个简单的调查。调查目的与意义调查目的为更好的发挥大学的作用，让学生更好的融入大学生活，学到更多的知识，我们小组特进行了此次调查。

大学是国家培养高端人才的地方，其意义重大而深远。它是国家强盛的根本所在，为国、为民、为家、为己、为他，大学生都应该让自己的大学生活充实起来。研究方法此次调研主要采用的是问卷调查的形式进行的。问卷以封闭式题目为主，辅以个别开放式问题。问卷调查本次问卷调查以浙江工业大学大一至大三在校学生为调查对象，采用完全随机抽样方法，在调查人群中共发放份回收率为80%，其中有效问卷90份。并对所有问卷分类编号，为后期数据处理做准备。抽样方法：随机抽样调查时间：2012.5.31 有效样本容量：90 调查内容：大学生对大学生活的看法资料收集 5月31日，在教学区随机对我校大一至大三学生发放问卷调查； 5月31日，我小组对问卷统计结果。

中国人口年龄结构现状与思考

中国人口年龄结构现状与思考人口年龄结构指一定时点、一定地区各年龄组人口在全体人口中的比重。又称人口年龄构成，通常用百分比表示。人口年龄结构是过去几十年、甚至上百年自然增长和人口迁移变动综合作用的结果，又是今后人口再生产变动的基础和起点。它不仅对未来人口发展的类型、速度和趋势有重大影响，而且对今后的社会经济发展也将产生一定的作用。在高中的课本中，也有关于人口迁移的描述，在世界大战期间的迁移以及工业革命时的迁移。人口迁移会导致人口结构的变化。比如现在长三角，珠三角就有很多人口迁移过去，我们来南京上学有部分就把户口迁移过来了。这也会引起人口结构的变化。当人们关注着快速增长的中国人口给社会经济带来的巨大压力时，中国人口的年龄结构也在悄然老化，使我们又面临另一个严峻的挑战：人口老龄化问题。 1953年和1964年第一、第二次人口普查时，中国的人口年龄结构基本属于年轻型，进入20世纪70年代以后，尤其是大力推行计划生育政策后，伴随人口出生率和总和生育率急剧下降，少儿人口比重下降，老年人口比重升高，使人口年龄结构类型的转变加快。到1982年第三次人口普查，人口年龄结构已初步进入成年型，到1990年的第四次人口普查，人口年龄结构已变为典型的成年型。此后，人口年龄结构继续老化，特别是进入20世纪90年代后，人口老龄化进程加快，人口年龄结构开始向老年型转变。到2000年第五次人口普查，中国65岁以上人口达到8811万，占总人口的6.96%，意味着中国已经进入了老龄化国家行列。据2008年人口变动抽样调查结果推算，2008年我国65岁及以上人口已占总人口的8.3%，与2000年第五次人口普查相比，又上升了1.3百分点，表明我国的人口老龄化仍在进一步发展。由于人口出生率的降低滞后于死亡率的下降，产生了人口年龄金字塔的凸出部分。随着时间的推移，这个凸出的部分也在移动，从未成年到成年，最后到老年。这就造成了中国的人口年龄结构从年轻型、成年型到老年型的转变。人口年龄结构与人口转变密切相关。世界上大多数国家的人口年龄结构，都是随着人口转变以及社会经济发展，逐渐从年轻型、成年型到老年型转变的。西方发达国家的人口转变是伴随着工业化和现代化逐步深化的渐进过程，经历了大约150多年的时间。我国则是在经济不发达的条件下进行的，且明显带有人为的痕迹，经历着更加迅速的人口转变，人口年龄结构也发生了比较快的变化，即从相对年轻型人口结构，直接转变为相对老年化的人口结构。目前，虽然中国已步入老年型社会，但尚处于人口老龄化的早期，未来中国人口类型将从轻度老龄化转变成深度老龄化，进而转化成重度老龄化，银发浪潮将成为21世纪我国主要的人口问题之一。如何在应对人口老龄化和促进经济社会发展之间架起一座桥梁，达成双赢的局面，是我们亟待研究思考的问题。而这需要广大人民的实施。由于人们的寿命延长而产生老龄化。这是人们生活水平和保健水平提高的必然结果，是民富国强的标志。要解决的问题，不是如何防止老龄化，而是如何应对由此造成老龄化后所带来的养老金不足和养老服务不足的问题。主要措施是延迟退休和加强养老服务。此外，还需要大量的适合老年人心理、医学等诸多方面的专业护理服务。

调研报告格式范文

调研报告格式范文调研报告的核心是实事求是地反映和分析客观事实。调研报告主要包括两个部分：一是调查，二是研究。调查，应该深入实际，准确地反映客观事实，不凭主观想象，按事物的本来面目了解事物，详细地占有材料。研究，即在掌握客观事实的基础上，认真分析，透彻地揭示事物的本质。至于对策，调研报告中可以提出一些看法，但不是主要的。因为，对策的制定是一个深入的、复杂的、综合的研究过程，调研报告提出的对策是否被采纳，能否上升到政策，应该经过政策预评估。 1、文章题名文章题名应简明、贴切，能概括文章的内容，一般不超过20个字。 2、作者署名作者署名应使用真名，如为团体作者的执笔人可标注于篇首页地脚处。 3、摘要摘要应客观地概括论文的主要内容和观点，篇幅不超过200个字。 4、关键词关键词为反映论文主题概念的词或词组，具有检索价值。一般为3~6个。 5、作者简介作者简介为主要作者的姓名、出生年月、性别、所在院（系、所）和专业，置于篇首页地脚处。 6、正文

正文为调研报告的主体部分，不少于4000字（不含调研基本情况部分）。根据所在村的调研基本情况提出问题、分析问题、解决问题。调研报告内容分为调研基本情况介绍、调研分析、思考建议和农户家庭案例（不少于一个）四部分。 7、注释篇名和作者注释置于首页地脚处。文内对特定内容的注释置于当页下（脚注），按在论文中出现的先后顺序用1，2，3……每页单独排序。 8、参考文献置于正文末，主要参考文献著录格式如下：著作：标注顺序:责任者/文献题名/出版者/出版时间/页码如何撰写市场调研报告调查报告是整个调查工作，包括计划、实施、收集、整理等一系列过程的总结，是调查研究人员劳动与智慧的结晶，也是客户需要的最重要的书面结果之一。它是一种沟通、交流形式，其目的是将调查结果、战略性的建议以及其他结果传递给管理人员或其他担任专门职务的人员。因此，认真撰写调查报告，准确分析调查结果，明确给出调查结论，是报告撰写者的责任。 1．题页题页点明报告的主题。包括委托客户的单位名称、市场调查的单位名称和报告日期。调查报告的题目应尽可能贴切，而又概括地表明调查项目的性质。 2．目录表 3．调查结果和有关建议的概要

大数据挖掘weka大数据分类实验报告材料

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：