3115001492..张思明数据挖掘实验报告6-11

《数据挖掘与应用》实验报告6到11章学院自动化专业物联网工程年级班别2015物联网4班学号3115001492学生姓名张思明指导教师董延峰实验6数据挖掘的基本数据分析一、实验目的（1）熟悉基本数据分析的处理流程（2）进一步熟练掌握SPSSModeler工具的操作二、实验环境（1）相关智能算法的基本原理（2）IBMSPSSModeler软件三、实验内容及步骤1、数据的质量探索（1）建立数据流a、创建“Statistics”节点，读入telco.sav数据。b、创建“类型”节点，说明各变量角色，其中“流失”为目标变量。c、创建“数据审核”节点并连接在适当的位置，进入编辑界面，在“质量”选项卡下，选择检测方法为平均值的标准差。（2）结果输出2、基本描述分析（1）建立数据流，创建“统计量”节点。（2）设置相关参数a、设置“统计量”节点，在“检查”中添加开通月数、基本费用、免费部分和无线费用。b、在“相关”中添加年龄、收入和家庭人数。c、在“相关选择”中选择“按重要性定义相关强度”。（3）结果3、绘制散点图（1）构建数据流，创建“图”节点。（2）设置参数a、编辑“图”节点b、在“X字段”和“Y字段”中分别选择“基本费用”和“年龄”。将“交叉字段”中的“颜色”设置为“流失”，不同颜色表示流失变量不同取值的样本点。（3）结果输出4、两分类变量相关性的研究（1）设置相关参数。创建“网络”节点，在“字段”中选择“套餐类型”和“流失”，设置线值为“绝对值”。（2）结果输出5、变量重要性分析（1）窗口设置。创建“特征选择”节点，编辑，将“流失”添加到目标选项中，其他的全部作为输入。（2）结果输出总的图：实验7统计分析：逻辑回归一、实验目的SPSSModeler的Logistic回归的方法。（1）了解和熟悉SPSSModeler及其相关知识。（2）掌握SPSSModeler工具建立多项Logistic回归的方法。（3）学会运用SPSSModeler进行多项Logistic回归的内容。二、实验环境一台装有SPSSModeler软件系统的计算机。三、实验内容及步骤1、构建多项Logistic回归数据流（1）通过“Statistics文件”节点读入Brand.sav。（2）数据流中添加“类型”节点。（3）在“建模”模块下选择“Logistic”节点连接在数据流中恰当的位置。（4）运行结果：2、设置相关参数（1）右击“类型”节点，将x3设置为目标，其他保持不变。（2）设置“Logistic”节点，在模型下，将使用分区数据勾选为“无”，采用的过程选择“多项式”，“多项式过程”中“方法”采用“进入法”，其他保持不变。3、结果运行总的图：实验8关联分析：关联规则一、实验目的（1）了解和熟悉SPSSModeler及其相关知识。（2）掌握SPSSModeler工具建立Apriori关联规则的方法。（3）学会运用SPSSModeler关联规则进行相关的内容分析。二、实验环境一台装有SPSSModeler软件系统的计算机。三、实验内容及步骤1、创建Apriori算法数据流（1）创建“可变文件”节点读入BASKETS.txt文件。（2）在数据流的适当位置创建“Apriori”节点。（3）运行结果2、设置相关参数（1）在“字段”下，选择“使用定制设置”选项。在“后项”和“前项”中选择关联规则的后项和前项的变量。此例中后项和前项均为所有商品。（2）在“类型”下，指定当前前项最低条件支持度，默认值10%；最小规则置信度，默认值为80%；最大前项数，默认为5；勾选“仅包含标志变量的真值”。（3）在“专家”下，选择模式“专家”选项，并选择评价关联规则的度量指标，这里选择默认选项“规则置信度”。3、结果运行4、考察关联规律（1）将Apriori节点中的模型计算的结果添加到数据流编辑区域的恰当位置。（2）点击鼠标右键编辑。（3）“最大预测数”中输入数值。（4）勾选“忽略不匹配篮项目”和“检测不在篮中”。通过“表”观察具体的结果如图：总的图：实验9分类分析：决策树一、实验目的SPSSModeler的决策树（1）了解和熟悉SPSSModeler及其相关知识。（2）掌握SPSSModeler工具建立CHAID决策树的方法。（3）学会运用SPSSModeler决策树进行相关的内容分析。二、实验环境一台装有SPSSModeler软件系统的计算机。三、实验内容及步骤1、构建CHAID数据流（1）通过“Statistic文件”节点读入“telco.sav”文件。（2）数据流中添加“分区”节点，将样本集划分为训练集和测试集。（3）选择建模中的“CHAID”节点，连接到数据流的恰当位置。2、设置相关参数（1）在“构建选项”——“基本（B）”，选择树的生长算法为穷举CHAID。自定义最大树状图深度为5.（2）其他相关参数的设置默认。3、结果运行实验10聚类分析：K-Means一、实验目的SPSSModeler的聚类分析（1）了解和熟悉SPSSModeler及其相关知识。（2）掌握SPSSModeler工具建立Apriori关联规则的方法。（3）学会运用SPSSModeler关联规则进行相关的内容分析。二、实验环境一台装有SPSSModeler软件系统的计算机。三、实验内容及步骤1、创建K-Means聚类数据流（1）创建“Statistic文件”节点导入K-Means.sav。（2）在“字段选项”——“类型”节点中，设置“地区”角色为“无”。（3）创建“K-Means”节点，连接到恰当的位置。2、设置相关参数（1）进入编辑界面。（2）在“模型”模块下指定聚类数目为4，勾选“生成距离字段”和“数值”选项。（3）在“专家”模块下，勾选“模式”下的“专家”选项，其他默认。3、结果运行总的：实验11预测分析：人工神经网络一、实验目的SPSSModeler的聚类分析（1）了解和熟悉SPSSModeler及其相关知识。（2）掌握该工具建立B-P反向传播网络的方法。（3）学会运用B-P反向传播网络进行相关的内容分析。二、实验环境一台装有SPSSModeler软件系统的计算机。三、实验内容及步骤1、创建K-Means聚类数据流（1）通过“Statistic文件”节点读入telco.sav。（2）添加“分区”节点，将样本集划分为训练集和测试集体。（3）在“建模”下选择“神经网络”节点连接到数据流恰当的位置。2、设置相关参数（1）在“神经网络”节点的“选项”下，勾选“显示反馈图形”。（2）在“模型”下，勾选“使用分区数据”和“为每个分割构建模型”；选择“快速”方法；停止采用“默认值”。3、结果运行总的图：