姚丹妮商务智能课设报告.docVIP

《商务智能》 课程设计报告 班 级： 信管131 学 号： 3130561025 姓 名： 姚丹妮 同 组 人: 赵咪 杨乔 指导教师： 王建仁/李明 日 期：2016.01.04--2016.01.08 目录 1．需求分析 3 2．数据理解 3 3．挖掘（或分析）数据准备 4 4．数据挖掘（或分析）过程 5 4.1挖掘算法与挖掘软件选择 5 4.2 数据预处理 5 4.3挖掘过程说明 6 5．结果展示与评价 18 6．总结 19 6.1 设计中遇到的主要问题及解决方法 19 6.2设计方案的主要优点及不足 19 6.3 收获及建议 19 参考文献 19 连锁酒店顾客信用度分析方案设计 1．需求分析 一个连锁酒店的经营与不同客户息息相关。酒店不仅需要每天面对不同的新增客户，也需要维系老客户。所以对于已消费的顾客的信用度的分析尤为重要。不同顾客信用度之间存在诸多差异。好坏之分也影响了酒店的经营状况。一个信用度良好的客户对于酒店来说是好事，但如果一个顾客信用度底下，则极有可能出现拖欠房费等状况，这会严重损坏酒店利益。因此我会采用分类分析的方法。利用决策树模型构建顾客信用度分析体系，并进行相关预测，以便于酒店日后的经营以及对顾客的服务，对于那些信用度良好的顾客可以给予一定优惠，而对于那些信用度较差的顾客，则要避免在酒店再次进行消费而又不付款的情况。 2．数据理解 为建立决策树，需要事先建立数据挖掘所需数据库或数据表，即顾客信用数据表。将顾客相关信用度的信息输入表中，以便分析。输入的信息均具有代表性。不重复不冗余，如若不然，可再进行数据预处理。 所需数据如下图所示： 3．挖掘（或分析）数据准备 首先需要在数据库中建立“数据挖掘实验“数据库，并在数据库中建立表“顾客信用数据表1” （1）设计“顾客信用数据表1”，表结构如下图所示：设置“顾客编号”为主键。 （2）编辑表的前200行，输入表中信息。（注意输入的信息一定要具有代表性，避免冗余与重复） 4．数据挖掘（或分析）过程 4.1挖掘算法与挖掘软件选择 算法：分类分析算法（决策树） 软件：microsoft visual studio 2008 4.2 数据预处理 由于表“顾客信用数据表1”中的数据存在冗余缺失等问题，所以需要对表中数据进行数值化处理，离散化处理等相应的预处理操作，并将预处理之后的信息存入新表“顾客信用数据表2”中。 具体步骤如下所示： （1）将年龄属性列的数据进行离散化处理，设置区域范围，分别为30、50、=50三个范围，并将表中“年龄”属性列中的信息按照其对应的范围进行修改，以便于决策树的生成 （2）将年收入属性列的数据进行归一化处理，将每个数据值除以100000，缩小数据，以便观察。（同时要修改表中“年收入”属性列的数据类型，由int改为float） （3）将信用等级属性列进行数值化处理，等级“A/B/C/D/E”分别对应“1/2/3/4/5”，将表中“信用等级”属性列中的信息按照其对应的数值进行修改，以便于决策树的生成 预处理之后的表的结构及内容如下图所示： 表结构： 表中具体内容： 4.3挖掘过程说明 （1）打开挖掘软件，点击“新建”，建立“顾客信用分析”的挖掘项目。 （2）定义数据源。 在页面右方点击新建“数据源”，点击“下一步”。 将服务器名改为“localhost”，选择使用windows身份验证，选择“数据挖掘实验”数据库。点击“下一步”。 选择“使用服务账户”，点击“下一步”。然后完成。 （3）定义数据源视图。 在页面右方点击新建“数据源视图”，点击“下一步”。 选择“数据挖掘实验”，点击“下一步”。 选择“与主键同名”，点击“下一步”。 选择“顾客信用数据表2”（已经进行过数据预处理的表），点击“下一步”。 然后完成。 （4）创建挖掘结构。 在页面右方点击新建“挖掘结构”，点击“下一步”。 选择“从现在关系数据库或数据仓库”，点击“下一步”。 选择“决策树”类型，点击“下一步”。 点击“下一步”。 点击“下一步” 如下所示，顾客编号为主键，年龄、年收入、信用等级、性别、职业为可输入，信用等级为可预测。 点击“下一步”。 设置“测试数据百分比”，点击“下一步”。 点击“完成。 定义数据源，数据源视图，新建挖掘结构以后，如下图所示。 （5）设置相关参数。 右键点击“设置算法参数”（选择不同的算法