分类实验报告.docVIP

数据挖掘试验报告二 姓名： 学号： 班级： 试验目的： 通过使用SPSS Clementine数据挖掘平台，了解数据挖掘的目的、过程，理解数据挖掘的结果，并能够根据所学习的数据挖掘的相关知识，对挖掘的过程参数和结果数据进行分析。 试验内容： 分类 试验步骤： 1．打开Clementine11软件 a）从“开始”菜单中，单击“所有程序” b）在“SPSS Clementine11.1”选择“SPSS Clementine Client 11.1” 2．导入数据源 a）选择“可变文件”节点，把节点图标拖入数据流区域 b）双击“可变文件”节点，弹出节点细节选择界面 c）单击“browser for file”按钮，选择Demos文件夹下的“BASKETS1n”文件，点击“打开”按钮。 d）单击“确定”按钮 e）节点自动改名字为“BASKETS1n” 3．查看导入的数据 a）点击节点选项卡“输出”，双击“表格”节点 b）右键点击“BASKETS1n”节点，选择“Connect”选项，单击“Table”（在两个节点中产生一个箭头，从“BASKETS1n”指向“Table”节点。） c）双击“表格”节点，弹出细节选择界面，单击“执行” d）查看结束，单击“确定”退出查看表格 4．为数据添加新的列 注：假设同时购买鲜肉和奶制品的顾客为健康食品购买者，添加一个新列叫：health。凡是对应鲜肉和奶制品都为T的顾客新列为T,否则为F。 a）点击节点选项卡“字段选项”，双击“导出”节点 b）连接数据节点“BASKETS1n”与“导出”节点，箭头指向“导出“节点 c）双击“导出”打开节点细节选择页面，修改“导出字段”对话框值为“Health” “导出为”下拉选项中选择“标识”，修改“真值”为“T”，“假值”为“F” d）点击右侧“启动表达式构建器”按钮，在对话框中输入：freshmeat = T and dairy = T e）点击“检查”，对话框样字体颜色变黑表示语法没有问题。点击“确定” f）单击“导出”细节选择页面“确定”按钮 5．查看添加新列数据 a）点击节点选项卡“输出”，双击“表”节点 b）右键点击“Health”节点，选择“Connect”选项，单击“表”（在两个节点中产生一个箭头，从“Health”指向“表”节点。） c）双击“表”节点，弹出细节选择界面，单击“执行” d）查看结束，单击“确定”退出查看表格 6．对数据进行清洗 a）选择节点选项卡的“字段选项”，把“类型”节点拖入数据流区域。 b）连接“Health”节点和“类型”节点 c）双击数据流区域中的“类型”节点，单击“读取值”按钮 d）对应列“字段”把cardid;freshmeat;dairy;cannedveg;cannedmeat;frozenmeal;beer; wine;softdrink;fish;confectionery的“方向”值改为“无”；把value;pmethod;sex;homeown;income;age的“方向”值改为“输入”；把Health的“方向”值改为“输出”。 7．使用C5.0节点分析 a）双击“建模”选项卡的“C5.0”节点 b）连接“类型”节点与“C5.0”节点 (箭头指向“C5.0”节点) c）双击“C5.0”节点，弹出选项界面 d）单击“执行”按钮 8．查看挖掘结果 a）左键单击管理器的“模型”选项卡，右键点击执行以后出现的模型图标；右键选择“浏览”，弹出图表 b）点击“模型”和“查看器”选项卡查看结果 9．将“模式”改为“专家”，修改“修剪严重性”和“每个子分支的最小记录数”，查看结果并进行比较分析。 分析：结果表明同时购买鲜肉和奶制品的顾客在1000个人中只有33人，概率仅为3.3%，对其进行分类不能得出健康食品购买者的特征，所以没有分类。 10．使用二元分类器节点分析 分析:其结果与C5节点分析的相同。不能得出购买自定义的健康食品的顾客的特征。 分类方法 方法 原理 算法 优点 缺点 适用范围 算法：Generate_decision_tree由给定的训练数据产生一棵决策树 输入：训练数据集samples，用离散值属性表示；候选属性的集合attribute_list。 输出：一棵决策树 方法： （1）创建结点N； （2）if samples 都在同一个类C then （3）返回N作为叶结点，用类C标记； （4）if attribute_list 为空 then （5）返回N作为叶结点，标记samples中最普通的类； （6）选择attribute_list中具有最高信息增益的属性test_attribute； （7）标记结点N为test_attribute； （8）for each test_attrib