数据挖掘原理与SPSSClementine应用第24章SPSS_Clementine典型案例分析教学幻灯片讲义.pptVIP

* * 数据挖掘原理与SPSS Clementine应用宝典 元昌安 主编　 邓　松　李文敬　刘海涛　编著 电子工业出版社 第24章 SPSS Clementine典型案例分析 本章包括： 市场购物篮分析 利用决策树模型挖掘商业信息 利用神经网络对数据进行欺诈探测 24.1市场购物篮分析 本节的例子采用Clementine系统自带的数据 集BASKETS1n。该数据集是超市的“购物篮” （一次购物内容的集合）数据和购买者个人 的背景数据，目标是发现购买物品之间的关 联分析。 24.1.1 定义数据源 24.1.2 理解数据 在建模之前，我们需要了解数据集中都有哪些字段，这些字段如何分 布，它们之间是否隐含着某种相关性等信息。只有了解这些信息后才能决 定使用哪些字段，应用何种挖掘算法和算法参数。这个过程就是一个理解 数据的过程。 24.1.3 准备数据 在这18个字段中，有一些对于挖掘知识来说是没有用的，如cardid等，这时我们就可以把这些暂时没有用到的字段剔除出挖掘过程。这样可以节约挖掘时间和效率。 24.1.4 建模 对字段设置完毕之后，下一步就是选择挖掘所需要的模型，在这里我们会选择使用三种不同的模型来挖掘该数据集。 1. “Apriori”模型节点 2.GRI模型 3.“网络”节点 24.2 利用决策树模型挖掘商业信息 过程如下 : Step1：添加一个“变项文件”节点。 Step2:加入一个“导出”节点。 Step3:对“导出”节点进行设置。 Step4:加入“Healthfood”字段之后，在“导出”节点后再加入一个“类型”节点，用来选择哪些字段用来进行数据挖掘。根据挖掘的目标，可以设置个人信息为“输入”，“Healthfood”设置为“输出” Step5:加入 “C5.0”节点。 Step6:点选“执行（E）” Step7:从“查看器”中查看该结果 输出类型除了选用“决策树”之外，还可以选择“规则集”来显示结果。用“规则集”表示的结果很多时候比“决策树”更加直观、易懂。。 24.3 利用神经网络对数据进行欺诈探测 背景是关于农业发展贷款的申请。使用虚构的数据来说明如何使用神经网络来检测偏离常态的行为，重点为标识那些异常和需要更深一步调查的记录。要解决的问题是找出那些就农场类型和大小来说申请贷款过多的农场主 。 24.3.1 定义数据源 使用一个“变项文件”节点连接到数据集grantfraudN.db。在“变项文件”节点之后增加一个“类型”节点到数据流中。 24.3.2 理解数据 在建模之前，需要了解数据集中都有哪些字段，这些字段如何分布，它们之间是否隐含着某种相关性等信息。只有了解这些信息后才能决定使用哪些字段，应用何种挖掘算法和算法参数。这个过程就是一个理解数据的过程。 24.3.3 准备数据 首先考虑数据集中可能存在的欺诈类型。 在该数据流中连接一个“条形图”节点并选定字段名为“name”的字段 。 选中“name”字段之后，点击“执行” 。 *