商务智能实验9报告讲解.doc

《数据挖掘与商务智能实验》 实 验 报 告 实验题目： 分类分析：决策树 姓名： 王俊 学号： 201430850164 指导教师： 张大斌 实验时间： 2016..11.10 2016年 11 月 12 日 实验9 分析类型：决策树 实验目的 了解和熟悉SPSS Modeler及其相关知识； 掌握SPSS Modeler工具建立CHAID决策树的方法； 学会运用SPSS CHAID决策树进行相关的内容分析。 实验内容 本实验以电信客户数据（文件名为Telephone.sav）为例，数据中包含的变量x1到x15分别是：居住地、年龄、婚姻情况、家庭月收入（百万）、受教育程度、性别、家庭人数、基本服务累计开通月数、是否申请无线转移服务、上月基本费用、上月限制性免费服务项目的费用、无线服务费用、是否电子支付、客户所申请的服务套餐类型和是否流失。本节的分析是在基本分析的基础上进行的，具体的CHAID算法如下所示： 实验步骤与结果 步骤1 创建CHAID数据流 （1）通过“statistic文件”节点读入文件名为Telephone.sav的数据。 （2）数据流中添加“分区”节点，将样本集划分为训练集和测试集，如图9-1所示。 （3）选择建模模块中的“CHAID(C)”节点，将其连接到数据流的恰当位置。 步骤2 设置具体参数 （1）右击鼠标，在“构建选项”-“基本（B）”，选择数的生长算法为Exhaustive CHAID。 自定义最大树状图深度为5，如图9-2所示。 （2）其他相关参数默认设置。 步骤3 结果运行 实验结果如图9-3所示。 CHIAID首先确定开通月数为最佳的分组变量，将其分为3组，开通月数小于等于5的，开通月数大于31和开通月数大于5小于30的。按照一层一层进行分组，但很快会发现其中某些推理规则没有太大的参考价值。例如，对于开通月数大于31个月的用户，无论是否采用电子支付方式，年龄如何，婚姻如何，最终的结果都是未流失。这种情况于该算法的剪枝方式有一定的联系。 实验分析与扩展练习 实验分析： 对于CHAID算法，SPSS Modeler如何进行交互方式建模？ 答：在进行交互建模时候，以下这些参数的调整都会对建模的结果造成一定的影响： 数据分区中的训练和测试分区以及设置随机种子 B.相关CHAID参数设置中的树生长算法选择和最大树状图深度设置 C.相关CHAID参数设置中的成长规则 D.相关CHAID参数设置中的整体设置 D.相关CHAID参数设置中的高级设置的分割和合并 五结论与讨论 通过这次实验，我总结一下知识点： 1.决策树算法的优点如下： （1）分类精度高； （2）生成的模式简单； （3）对噪声数据有很好的健壮性。 因而是目前应用最为广泛的归纳推理算法之一，在数据挖掘中受到研究者的广泛关注。 CHAID的一般步骤 （1.）属性变量的预处理 确定当前分支变量和分隔值 属性变量的预处理： 对定类的属性变量，在其多个分类水平中找到对目标变量取值影响不显著的分类，并合并它们； 对定距型属性变量，先按分位点分组，然后再合并具有同质性的组； 如果目标变量是定类变量，则采用卡方检验 如果目标变量为定距变量，则采用F检验 每对预测分类的评估，以确定最显著差异的因变量。由于这些合并步骤，通过计算修正邦费罗尼p值来合并交叉表。 CHAID算法优点：（1）可产生多分枝的决策树（2）目标变量可以定距或定类（3）从统计显著性角度确定分支变量和分割值，进而优化树的分枝过程（4）建立在因果关系探讨中，依据目标变量实现对输入变量众多水平划分 (格式按华南农业大学论文格式)