5临床科研设计数据挖掘研究设计研讨.ppt

模型参数设置 模型参数设置 软件操作——结果输出与解读 非标准化判别函数 Y=-21.447+0.661*x1+0.137*x2 Y0判断为第1类 Y0判断为第2类 Fishers判别函数， 参数分别代入2个函数 Y1=11.601*x1+11.725*x2-558.679 Y2=5.265*x1+10.408*x2-353.095 比较Y1和Y2的大小，哪个大就归到 哪一类 判别分析完整数据流图 小结（1） 数据采集：信息真实性，可靠性，代表性 数据预处理：规范整齐的数据是最大的问题，事先确定标准，或者事后按标准进行数据清理。 数据挖掘：不只是描述，需要借助数据挖掘工具。也不仅是统计，统计是验证假设，数据挖掘是发现规律。 数据挖掘分析本质上为发现规律，这种规律是否有意义，则需要进行统计学验证。 * 小结（2） SPSS Clementine使用的两个关键点： 会使用常用节点：原始文件、table、type设置、算法模型。 理解算法，并根据算法特征整理原始数据、设置字段类型及输入输出关系、设置模型参数。 * 谢 谢! * * * SPSS Inc. Copyright 2006 SPSS Inc. * 数据流区域（Stream canvas）：数据流区域是Clementine 窗口中最大的区域，在这个区域可以 建立数据流，也可以对数据流进行操作每次在Clementine 中可以多个数据流同时进行工作， 或者是在同一个数据流区域有多个数据流，或者新打开一个数据流文件在一项任务中，数据 流被存储在管理器中 选项板区（Palettes）：位于Clementine窗口底端每个包含了一组相关的可以用来加到数据流 中的节点比如：Sources包含了可以把数据读入模型的节点，Graphs包含了可以用于可视化探 索数据的节点，Favorites包含了数据挖掘默认的常用节点当你更熟悉Clementine后，就可以按 照自己的要求来定制这些内容 管理器（Managers）：在Clementine窗口右上有3种管理器分别是Streams, Outputs和Models， 这是用来查看和管理相应类型的对象Streams是用来打开，重命名，保存和删除在数据流区域 中建的数据流而Outputs则是用来储存Clementine输出，例如图表之类还可以直接利用这个 管理器来储存输出的结果对象Models是所有管理器中最强大的，它包含了机器学习和 Clementine实施建模的结果这些模型可以通过Models直接浏览，也可以加入到数据流中 项目（Projects）：Clementine窗口右下部就是Projects窗口，这个窗口提供了一种在Clementine 中组织数据挖掘各个步骤的有效的方法欲知详情，可以参考“第十六章 建立项目和报告”中 的“16.1 项目介绍” 报告窗口（Report window）：选项板区的下面就是报告窗口，它记录的是各种不同操作过程的 响应，比如当数据被读入数据流时 状态窗口（Status window）：同样是在选项板区的下面，这个窗口可以告诉用户clementine正 17 在进行什么操作；同时如果需要用户对操作回应时可以给出提示 * * * 决策树分析完整数据流图 数据挖掘研究设计 基本概念 选择数据 处理数据 挖掘分析 结果解释 Clementine 软件应用 基本操作 关联规则 决策树 聚类分析 判别分析 聚类分析基本概念 聚类分析是根据“物以类聚”的原理，对样品或指标进行分类的一种多元统计分析方法。 通过聚类分析，可以在没有任何模式可供参考的情况下，将大量数据样本按各自的特征来进行合理分类。 聚类分析应用实例 【例3】收集了某一时间范围内53例某疾病患者的14项中医症状情况，该类疾病临床常见的证型为3种。现采用聚类分析方法进行聚类分析，将这些病人聚成3类，分析每一类特征。 软件操作——数据文件读入 数据文件读入的第一步是构建一个原始文件节点，通过编辑原始文件节点，选定文件路径，读取原始数据文件。点击“确定”后，该数据节点就有了可分析的原始数据。 为了查看原始数据是否正确读入，可增加table节点，查看原始数据是否已经被读入，格式是否准确，有无乱码等情况。 软件操作——数据类型设置 设置文件类型多分类为set，连续资料为rang。 聚类分析中，类别变量设置方向为out，其他作为聚类依据的变量设置为in。 软件操作——模型选择与参数设置 在读取原始数据和数据格式定义好以后，就可以根据数据挖掘分析的需要选择相应的模型，在聚类分析中可选择K-means、Kohonen、Twostep等3种节点。 本例采用K-means 节点。 输入变量设置 分类数设置 软件操作——结果输出与解读 K-Means聚类分析