数据仓库和数据挖掘实验三(数据挖掘).docVIP

一、实验内容和目的 目的： 1．理解数据挖掘的基本概念及其过程； 2．理解数据挖掘与数据仓库、OLAP之间的关系 3．理解基本的数据挖掘技术与方法的工作原理与过程，掌握数据挖掘相关工具的使用。 内容： 将创建一个数据挖掘模型以训练销售数据，并使用“Microsoft 决策树”算法在客户群中找出会员卡选择模式。请将要挖掘的维度（事例维度）设置为客户，再将 Member_Card 成员的属性设置为数据挖掘算法识别模式时要使用的信息。然后选择人口统计特征列表，算法将从中确定模式：婚姻状况、年收入、在家子女数和教育程度。下一步需要训练模型，以便能够浏览树视图并从中读取模式。市场部将根据这些模式设计新的会员卡，使其适应申请各类会员卡的客户类型。 二、所用仪器、材料（设备名称、型号、规格等） 操作系统平台：Windows 7 数据库平台：SQL Server 2008 SP2 三、实验原理 知识发现被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式。KDD过程定义为：KDD是从数据集中识别出有效出、新颖的、潜在有用的，以及最终可理解的模式的高级处理过程。KDD过程可以概括为3部分：数据准备（data preparation），数据挖掘及结果的解释和评估（interpretation evaluation）。 数据挖掘的对象主要是关系数据库和数据仓库，这是典型的结构化数据。随着技术的发展，数据挖掘对象逐步扩大到半结构化或非结构化数据，这主要是文本数据、图像与视频数据以及Web数据等。 数据挖掘任务有6项：关联分析、时序模式、聚类、分类、偏差检测、预测。 数据挖掘方法是由人工智能、机器学习的方法发展而来，结合传统的统计分析方法、模糊数学方法以及科学计算可视化技术，以数据库为研究对象，形成了数据挖掘方法和技术。 数据挖掘方法和技术可以分为6大类： 归纳学习的信息论方法：ID3等方法（决策树方法）、IBLE方法（决策规则树方法） 归纳学习的集合论方法：粗糙集（rough set）方法、关联规则挖掘、覆盖正例排斥反例方法、概念树方法。 仿生物技术的神经网络方法：前馈式网络、反馈式网络、自组织网络 仿生物技术的遗传算法：繁殖（选择）、交叉（重组）、变异（突变） 数据数据的公式发现：物理定律发现系统BACON、经验公式发现系统FDD 可视化技术：提取几何图元、绘制、显示和演放 四、实验方法、步骤 要求：利用实验室和指导教师提供的实验软件，认真完成规定的实验内容，真实地记录实验中遇到的各种问题和解决的方法与过程，并根据实验案例绘出多维数据组织模型及其OLAP操作过程。实验完成后，应根据实验情况写出实验报告。 五、实验过程原始记录(数据、图表、计算等) 本实验使用Microsoft SQL Server的数据挖掘工具，对一组电信运营商的客户数据进行挖掘，分析客户流失特征，以此来预测当前可能流失的客户，为企业营销提供支持。 首先将待挖掘数据（存放于文本文件中）导入数据库 先在数据库中建立数据表（若直接导入，相应字段的数据类型不匹配，会影响挖掘效果） USE [DW] GO SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO CREATE TABLE [dbo].[大理PAS流失训练]( [SERV_ID] [float] NULL, --服务ID [CUST_ID] [float] NULL, [ZWSC] [float] NULL, --在网时长 [BILLING_MODE_ID] [float] NULL, [PAYMENT_METHOD] [float] NULL, --付费方式 [ORG_ID] [float] NULL, --地区ID [NEW_YXSX] [float] NULL, [ZWSC_DSC] [nvarchar](255) NULL, [KB] [nvarchar](255) NULL, --捆绑其他业务 [AGE] [nvarchar](255) NULL, --年龄 [LX] [nvarchar](255) NULL, --来电显示 [CL] [nvarchar](255) NULL, --彩铃 [FEE_ALL] [nvarchar](255) NULL, [YC] [nvarchar](255) NULL, --预存 [IS_LS] [float] NULL --是否流失, 0表示未流失, 1表示流失 ) ON [PRIMARY] GO 导入待挖掘数据 打开Microsoft的SQL Server Business Intelligence Development Studio工具