商务智能实验6报告.doc

《数据挖掘与商务智能实验》 实 验 报 告 实验题目：数据挖掘的基本数据分析 姓名：王俊 学号：201430850164 指导教师： 张大斌 实验时间：201611.10 2016年 11月 10日 实验题纲 熟悉基本数据分析的处理流程。 进一步熟练掌握拍SPSS Modeler工具的操作。 实验内容 内容一：数据的质量探索 步骤1 建立数据流 在“源”中通过拖入“Statistics”文件节点读入Telephone.sav数据。 建立“类型”节点，并说明各个变量角色。这里指定“流失”为目标变量。 选择“输出”选项卡中“数据审核”节点并将其连接到数据流的恰当位置，点击鼠标右键，在“质量”选项卡下，选择检测方法为平均值的标准差。 步骤2 结果输出 实验结果输出如图所示。 图中蓝色部分表示输出变量取YES，即客户流失的样本数，可以看出，各个变量上流失客户的取值均不同。 内容二：基本描述分析 这里分析的目标是对电信客户数据的基本服务、开通月数、免费部分和无线费用之间的相关系数以反映变量之间的相互关系。 步骤1 建立数据流 选择“输出”选项卡中的“统计量”节点。 步骤2 设置相关参数 双击“统计量”节点，进行相应的设置。在“检查”框中添加开通月数、基本费用、免费部分和无线费用。 在“相关”框中添加年龄、收入和家庭人数。如图所示。 3）在“相关设置”中，勾选“按重要性定义相关强度”。如图所示。 计算结果如图所示。可以看出，以“基本费用”为例，它与“年龄”和“收入”都有相关性，它们之间简单相关系数虽然为0.401和0.195，但从统计量的角度来看有95%以上的把握认为它们之间是非0相关。“基本费用”与“家庭人数”呈负弱相关。 内容三：绘制散点图 数值之间变量的相关性可以采用上一个实验，也可以通过散点图来直接观察，此次主要观察基本费用和年龄之间的相关性。 步骤1 构建数据流 选择“图形”选项卡中的“图”节点。 步骤2 设置相关参数 双击“图”节点，选择编辑菜单，进行参数窗口的设置。 在“X字段”和“Y”字段框中分别选择“基本费用”和“年龄”。在“交叠字段”下，选择“颜色”-“流失”，不同颜色表示流失量不同取值的样本点。如图所示“图”节点的参数设置窗口。 输出的结果如图所示。 内容四：两分类变量相关性的研究 两分类变量相关性研究可以从图形分析入手，然后采用数值分析的方法。下面采用网状图分析。 步骤1 设置相关参数 选择图形中的网络节点，进入编辑状态，在“字段”下选择“套餐类型”和“流失”。设置线值为“绝对值”。 步骤2 结果输出 可以由结果图中得到，其电信客户保持是最好的，结果输出如图所示。 内容五：变量中重要性分析 步骤1 窗口设置 选择“模型”选项卡中的“特征选择”节点，将其连接到数据流的恰当位置，点击鼠标右键，选择弹出菜单中的编辑窗口，将“流失”添加到目标选项中，其他的全部添入输入，具体操作如图所示 步骤 2 结果输出 由结果输出可以看出，开通月数、基本费用、电子支付、年龄、受教育程度、套餐类型、收入以及各种费用等变量对预测用户是否流失很重要，其他的变量则意义不大，结果输出如图所示 实验步骤与结果 实验步骤和结果见实验内容 实验分析与扩展练习 实验分析： 本次实验通过对数据质量、基本描述、散点图、相关性、重要性五个方面进行内容分析，比较全面地了解了该数据的相关信息，并得到了相应的结果。请总结分析以下问题： 针对上述案例，分析保存客户与流失客户的基本费用是否存在显著的差异。 如何评价数据质量？相关性和重要性有何区别？ 答：（1）根据分析客户流失的样本数的比例（灰色为流失） 然后分析基本费用和流失之间的关系，通过建立统计量和绘制散点图 最后比较重要度可以得出结论：保存客户与流失客户的基本费用存在显著性差异 数据质量是保证数据应用的基础，它的评估标准主要包括四个方面，完整性、相关性、一致性、及时性。评估数据是否达到预期设定的质量要求，就可以通过这四个方面来进行判断。 相关性：高质量的数据应该是能充分满足用户使用要求的数据，即数据源和要处理的业务具有很强的联系； 重要性：数据有很大价值和影响的性质，能为数据处理提供很多方便 扩展