数据挖掘建立一棵决策树题库.doc

数据挖掘实验报告 姓名：　 XXX 班级： 　 XXXXX 　 学号：　　 XXXX　　 2012年12月3日 题目：建立一棵决策树（BASKETS1n数据文件） 要求：（1）用C5.0模型建立剪枝前、后的模型，进行analysis分析（1）用C5.0模型建立剪枝前、后的模型，并进行analysis分析，具体步骤如下： 首先双击Var.File节点，并导入Baskets1n数据Var.File接入一个table节点，执行数据，得 3）给Var.File接入一个Type节点，读入数据，得 4）给Type接入一个Derive节点，命名为“healthy”，类型为浮点型，即 5）满足“healthy”的条件为同时购买了“果蔬”和“鱼”，如图 6）给Derive接入一个table节点，执行后发现多了“healthy”一列，即 7）给healthy接入一个Type节点，选好输入、输出与无关变量，如图 8）给Type接入一个C5.0节点，命名为“before tree”，如图 9）打开before tree，得下图 样本共1000人，其中小于或等于24岁的有277人，城镇居民不是健康食品者的有140人，置信度98.6%；非城镇居民是健康食品者的有137人，其中刷卡消费是健康食品者的有55人，包括女性28人，男性27人，置信度85.2%，现金消费是健康食品者的有53人，包括女性26人，男性27人，置信度88.5%，支票消费是健康食品者的29人，置信度89.7%。大于24岁的不是健康食品者的723人，置信度95.4%。 10）点击Viewer得到bofore tree的决策树如下图 11）给before tree接入一个Analysis节点，作如下处理 执行，得 图示说明，输出的结果中总体为1000个，正确的有947个，占94.7%，错误的有53个，占5.3%。其中本来不是健康食品者判断为不是健康食品者的有842人，是健康食品者判断为不是健康食品者的有13人，不是健康食品者判断为是健康食品者的有40人，健康食品者判断为健康食品者的有105人。使用刷卡消费的共420人，判断正确的有401人，占总体95.48%，错误的19人，占4.52%，这其中本来不是健康食品者判断为不是健康食品者的有356人，是健康食品者判断为不是健康食品者的有6人，不是健康食品者判断为是健康食品者的有13人，健康食品者判断为健康食品者的有45人。以后分析类似前者，在此不做赘述了。 12）这时，得到 13）双击打开before tree，重命名为cut tree，Mode选为“simple”，执行得 样本共1000人，其中小于或等于24岁的有277人，城镇居民不是健康食品者的有140人，置信度98.6%；非城镇居民是健康食品者的有137人，置信度80.3%，大于24岁的不是健康食品者的723人，置信度95.4%。 14）点击Viewer得到cut tree的决策树如下图 15）给cut tree接入一个Analysis节点，作如下处理 执行得 图示说明，输出的结果中总体为1000个，正确的有938个，占93.8%，错误的有62个，占6.2%。其中本来不是健康食品者判断为不是健康食品者的有828人，是健康食品者判断为不是健康食品者的有27人，不是健康食品者判断为是健康食品者的有35人，健康食品者判断为健康食品者的有110人。使用刷卡消费的共420人，判断正确的有397人，占总体94.52%，错误的23人，占5.48%，这其中本来不是健康食品者判断为不是健康食品者的有352人，是健康食品者判断为不是健康食品者的有10人，不是健康食品者判断为是健康食品者的有13人，健康食品者判断为健康食品者的有45人。以后分析类似前者，在此不做赘述了，由以上分析对比图11）执行后的结果对比，剪枝后不如剪枝前精确，正确率降低了。 16）这时，得到 （2）考虑cost时决策树的模型，具体情形如下： 1）打开cut tree，重命名为cost before tree，Mode选为“Expert”，设置相关值如下 2）打开cost before tree，得下图 3）点击Viewer得到cost before tree的决策树如下图 4）这时，得到 5）双击打开cost before tree，重命名为cost cut tree，Mode选为“simple”，执行得 6）打开cost cut tree，得下图 7）点击Viewer得到cost cut tree的决策树如下图 与（1）中13）相对比可