Ch11建模节点.pptVIP

Chapter11 建模節點 11.1 建模節點概述 11.2 類神經網路節點 11.3 Kohenen 節點 11.4 C5.0節點 11.5 線性迴歸節點 11.6 廣義規則歸納節點 11.7 Apriori 節點 11.8 K-Means 節點 11.9 羅吉斯回歸節點 11.10 因素分析/主成分分析 11.11 兩步集群節點 11.12 分類回歸樹節點 11.13 序列節點 11.1 建模節點概述 建模選項選項板包括以下節點： ?Neural Net（類神經網路） C5.0（決策樹） Kohonen（聚類） Linear Regression（線性迴歸） Generalized Rule Induction（GRI，廣義規則歸納） Apriori（演繹） K－Means（聚類） Logistic Regression（邏輯斯迴歸） Factor Analysis/PCA?（因數分析/主成分分析） TwoStep Cluster（兩步聚類） Classification and Regression（CR）Trees（分類迴歸樹） Sequence Detection（序列檢測） 11.1.1??? 建模節點欄位選項 使用者可以在此指定用於建模的欄位。 -在建模前，需要指定 使用哪些欄位元作爲 目標欄位和輸入欄位。 -在預設狀態下，除了 序列節點（Sequence Node），所有的建 模節點都從上游的 Type 節點獲取欄位 資訊。 Use Custom settings（使用使用者自定義設置）。這一選項告訴節點使用本節點指定的欄位資訊而不是來自上游節點的設置。在選擇了該選項後，需要指定以下欄位元。 ■目標欄位（Target(s)）：對於需要至少一個目標欄位元的模型，選擇目標欄位。這類似於在Type 節點中把欄位方向設置爲“OUT”。 ■?輸入欄位（Inputs）：選擇輸入欄位。這類似於在Type 節點中把欄位方向設置爲“IN”。 ■使用頻率欄位（Use frequency field）：允許使用者選擇一個欄位作爲頻率權值。如果訓練資料集中的每個記錄代表不止一個單元 。 ■ 使用權數欄位（Use weight field）：允許選擇某一欄位作爲案例權值。案例權值用於解釋輸出欄位各水平之間的方差。這些權值用於模型估計但是並不影響CRT模型分支案例（branch instances）的計算。個案權值必須爲正，但是可以不是整數。權值爲零或者負值的記錄將不參與分析。 ■?結果（Consequents）：在關聯規則節點（Apriori 和 GRI）中，選擇用作結論規則集中的結果的欄位。（這對應於Type 節點中類型爲Out 或者Both的欄位）。 ■?前提（Antecedents）：在關聯規則節點（Apriori 和 GRI）中，選擇用作結論規則集中的前提的欄位。（這對應於Type 節點中類型爲In 或者Both的欄位）。 ■?交易型資料格式（Transactional data format，僅在Apriori節點中出現）：Apriori節點既可以處理交易資料格式，也可以處理表格資料格式。交易型資料有兩個欄位：一個用於存儲ID號，一個用於存儲交易內容。每個記錄代表一項交易，相關交易通過相同的ID號關聯起來。 交易型格式的資料實例 表格型資料的實例 表格型資料格式：表格資料各項分別由二分變數表示，每個記錄表示一個完整的交易項。 11.2 類神經網路節點 類神經網路學習包括：檢查單個記錄、爲每個記錄生成預測、一旦發現生成錯誤的預測便對權值進行調整。這一進程多次重複，類神經網路不斷提高預測效果，直到滿足一個或者多個終止準則。 要