实验3-------决策树.doc

clementine决策树分类模型 一．基于决策树模型进行分类的基本原理概念 分类就是：分析输入数据，通过在训练集中的数据表现出来的特性，为每一个类找到一种准确的描述或者模型。由此生成的类描述用来对未来的测试数据进行分类。 该范例的背景是客户的作为一种市场营销活动的结果 图1 总流程图 三. 数据集说明 数据集.db，以下是该数据集的所有字段名： ? id. 唯一的识别 ? age. 年龄 ? sex. 性别 ? region.地理位置 ? ? merried. 是否已婚 ? children. 有几个孩子 ? car. 是否有汽车 ? save_act. 是否有储蓄账户 ? current_act. 是否有活期存款 ? mortgage. 是否有抵押 ? pep. 是否有个人投资计划 四. 训练模型 通过下面的操作，将完成如图2所示的流。 图2 训练模型 导入数据及预处理 插入一个变项文件节点（Source\Var.File），双击该节点，在File框输入snapshottrainN.db的物理路径，如图3所示： 图3 输入节点 变量类型的定义及实例化: 在建模之前，我们首先将一个类型节点Type Node加到目前的流程中。因为需要用为引数来估计 图4 Type节点 查看数据源 通过一个Table节点（Output\Table）与源数据连接，Excute（执行）Table结点即可，如图5所示： 图5 Table节点 用C5.0算法建立决策树模型 建立一个C5.0结点（Modeling\C5.0）与Type节点相连，如图6所示：： 图6 建模过程 双击C5.0结点可对其进行编辑，这里取其Model name为默认值“Auto”（进入法），其他选项也不做修改，Excute（执行）该节点，如图7所示： 图7 建模过程参数选择 模型结果分析 执行C5.0结点即可得到判断pep取值的决策树模型，如图8所示： 图8 查看模型 右键单击模型，单击Browse查看模型结果，如图9所示： 图9 模型结果 将模型图标与Type节点相连，再添加一个“分析”节点，执行Analysis节点显示预测值和真实值的匹配程度如何的信息，如图10所示： 图10 模型好坏分析 五. 测试模型 现有新的数据snapshottestN.db，将建好的分类模型（pep）加入到流程中，并利用Analysis节点分析结果，如图11所示： 图11 测试模型 (1)导入数据及预处理 与上面的方法相同，建立变项文件节点，选取源数据snapshottestN.db，如图12所示： 图12 输入节点 预处理数据，与训练模型操作相同，如图13所示： 图13 测试数据筛选 (2)查看数据源 通过一个Table节点（Output\Table）与源数据连接，Excute（执行）Table结点即可，如图14所示： 图14 查看测试数据 (3)连接模型 将得到的回归模型加入到Type节点，如图15所示： 图15 连接模型 双击C5.0结点可对其进行编辑，这里取其Model name为默认值“Auto”（进入法），其他选项也不做修改，Excute（执行）该节点，如图16所示： 图16 测试模型参数选择 分析模型 将模型图标与Type节点相连，再添加一个“分析”节点，执行Analysis节点显示预测值和真实值的匹配程度如何的信息，如图17所示： 图17 测试模型的分析结果