数据挖掘原理与SPSSClementine应用宝典第19章SPSSClementine数据管理教学幻灯片讲义.pptVIP

19.2记录选项节点 记录选项节点选项板包括以下节点： ●选择 ●抽样 ●平衡 ●汇总 ●排序 ●合并 ●附加 ●区分 图19-17记录选项节点选项板 19.2.1选择节点 图19-18选择节点对话框设置页签 选择节点来设置对数据集的初步筛选工作，也可以通过编写特定的CLEM表达式来实现筛选。选择节点对话框如图19-18所示 相关的参数设置： ●模式：指定满足条件的记录是包含在流程中还是被排除在流程外。 （1）包含：选择以便在流程中包含符合选择条件的记录。 （2）丢弃 ：选择以便将符合选择条件的记录排除出流程。 ●条件:用于检验每一条记录的选择条件，选择条件通过CLEM表达式指定。用户可以在窗口中输入表达式，也可以点击窗口右边“表达式构建器”按钮来构造条件。 用户可以使用选择节点根据具体条件从数据流程中选择或排除某一记录子集，如符合以下条件的记录子集： Class==“Drink” 选择节点也用于选择一定比例的记录，用户可以使用选择节点来创建自己的条件。例如，用户可以创建如下条件： Class==“Drink”and random(10)=4 这一条件将从 Class 为“Drink”的记录中，选择大约 40％，并向流程的下游下传这些记录以用于进一步分析。 19.2.2对数据的抽样 图19-19抽样节点的设置 抽样节点来明确限制通过流的记录数或排除一定比例的记录，进入到抽样对话框，如图19-19所示。 19.2.2抽样节点 ●模式 ：模式选择是否通过（包含）或丢弃 （排除）记录。 ●样本：通过以下选项选择抽样方法： （1）从第一条记录开始连续抽取：选择使用连续数据抽样法。 例如，如果最大样本量设为 10，000，则前 10，000 个记录将通过流（如果模式为“包含”）或被丢弃（如果模式为 “丢弃”） 。 （2）n中取1：选择数据抽样法为每 n 个通过或丢弃一个记录。 例如，如果 n 设置为 5，则每五个记录将有一个记录根据上述模式通过或丢弃。 （3）随机％：选择随机抽取数据集一定百分比的样本。 例如，如果把百分比设置为 20，那么数据集有 20％的记录将会根据上述模式设置通过流或丢弃。 ●最大样本量：确定通过流程的最大样本量。如果想在选择 “n中取1”选项或“随机％”抽样选项中不使用该选项，可将最大样本量数目设置为超出数据集容量。 ●设置随机数种子：设置随机种子值，用于生成随机数。 19.2.3修正数据集中的不均匀性 图19-20平衡节点的设置 平衡节点可以用来修正数据集中的不均匀性，以便能够符合特定的测试原则，如图19-20所示为平衡对话框。 相关参数的说明如下： 记录平衡指令：列出目前的平衡指令。每一指令都包括一个因子和一个条件，使软件在条件为真时，根据指定的因子，提高记录的比率。 添加指令：通过点击文本区域右边的“生成新字段”按钮，会插入一行空行以便输入新的条件。如果要为此条件生成CLEM表达式，可点击“表达式构建器”按钮。 删除指令：使用红色的删除按钮。 对指令排序 :使用上下箭头按钮。 19.2.4统计汇总 图19-21 一个汇总节点实例 汇总节点可以把一系列输入记录变换成总括性的、汇总的输出记录，汇总对话框如图19-21所示。 ●分组字段 ：列出可用于汇总的分组字段。数值型字段和字符型字段都可以用作分组字段。如果所选组合字段不止一个，则所有值将组合起来生成汇总记录的组合字段。各个不同的分组字段会产生一条集成记录。 例如，如果Sex和Region是组合字段，则M与F和地区N与S的各个不同组合（一共四个不同的组合）将会有一条汇总记录。要添加一个组合字段，使用窗口右边的“字段选取器”按钮。 ●数据已按分组字段排序：若分组字段值出现在相邻记录中，该选项按相同值处理。 ●汇总字段：列出将按照所选汇总模式汇总的数值型字段。若要添加字段到列表中，可使用窗口右边的“字段选取器”按钮。 ●默认模式：指定对新添加的字段所使用的默认汇总模式、如果频繁使用同样的汇总方式，此处可选择一个或以上的模式，使用右边的 “所有默认操作”按钮将所选模式应用于以上列出的所有字段。 在 Clementine 中可以使用以下汇总模式： （1）合计（2）平均值（3）最小值（4）最大值（5）标准差 ●新的字段名扩展:选择添加“后缀”或“前缀”，以复制汇总字段。比如，如果选择了后缀选项，并规定“1〃为扩展名，则对字段 Age 的最小值汇总结果会产生成名为 Age_Min_1 的字段名。 ●在字段中包括记录计数：选择在每个输出记录中包括一个名为 “记录记数” 的额外默认字段。这一字段表明有多少输入记录被