C50算法实验报告模版.docVIP

湖南工程学院 数据挖掘 实验报告 专业班级 姓名 组别 同组实验人员 统计学1101 无 实验日期 2014年11月日 刘劲光 评分 实验名称 C5.0算法及应用 实验目的 掌握C5.0算法的原理及应用 实验步骤： 第一步：处理数据，由于数据存在在分开的两页表格中，利用append节点将两张表结合起来。 第二步：C5.0基本应用 1、由上面的结果可接入C5,0节点进行分析，接入节点后，如图： 利用C5.0模型对已预处理过的数据进行分析，具体结果如下图 从上图可以看出这是一颗两层决策树，第一层考把家长是否鼓励看做一个最佳分组变量，由此形成二叉树。家长不鼓励节点中有30个样本，则其中不参加的有28人，占93.3%，所以按众数类别，预测为不走读。家长鼓励（39个样本），且在校综合评价指数小于等于48分的（15个样本），不参加社会公益活动，置信度为80%；家长鼓励，切在校综合评价大于48分（24个样本），参加社会公益活动，置信度为83%。 总之家长是否鼓励是决定学生是否参加公益活动的关键因素，其次是学生的在校综合评价指数。 预测结果 为观测C5.0对每个样本的预测结果，可在流管理器的Models卡中，鼠标右击C5.0模型结果，选择弹出菜单中的Add To Stream，并将模型结果连到数据流中，然后连接Table节点查看预测结果。如下图： 第三步：C5.0的损失矩阵 损失矩阵，Cost选项卡设置损失矩阵，选中Use misclassification costs选项。 第四步：分类回归树的基本应用 以电信客户数据为例，讨论分类回归树的具体操作。首先，在数据流中添加Partition节点，将样本集划分为训练样本集和检验样本集；然后，选择Modeling卡中CRT节点并将其连接到数据流恰当位置，右击鼠标，选择弹出菜单中的Edit选项进行参数设置。 由下图可以看到，性别和居住地对客户流失的影响不大，其他因素都有影响。 重新设置参数，选中Use Standard error rule选项并在Multiple框指定参数m为1.5。此时，年龄、收入、教育水平、开通月数等为导致流失的重要因素。 指导教师评语： 签字： 年 月 日