clementine实用举例参考.doc

Clementine应用图解 作者：数据挖掘技术研究小组 第三部分 应用实例 一、市场购物篮问题分析 1.Business and data understanding 目标：客户细分，发现购买相似的客户群，用人口统计学特征进行描述。 方法：关联规则建模 数据集：baskets 包括字段： Candid：该购物篮使用者的忠诚卡识别字 Value：付款总额 Pmethod：付款方法 持卡者详细的个人资料 sex：性別 homeown：持有信用卡的人是否是有自己的住房 income：收入 age：年齡 购物篮內容: fruitveg 水果蔬菜 freshmeat 新鲜肉品 dairy 牛奶 cannedveg 罐装蔬菜 cannedmeat 罐装肉品 frozenmeal 冷冻肉品 beer 啤酒 wine 酒 softdrink 苏打饮料 fish 鱼 confectionery 糖果 过程： 2.Explore 使用web图和GRI节点来观察客户购买的商品之间的联系。 首先要在type节点中定义变量类型和方向，将candid设置为typeless，个人资料字段设置为none，其他购物篮内容设置为both（即可以作为输入也可作为输出）流程如下： 图3.1.1 GRI输出结果： 图3.1.2 从上面的结果中看出:肉类、啤酒、罐装蔬菜关联性比较大。 提高此web图的门槛值，只留下最强的连接。操作步骤如下： (1)移动工具栏上的滑标，设置只有到达50个的连接才显示出来。 滑标上的工具提示目前的连接强度。 (2)选择显示若连接还是强连接。单击工具条上的黄色箭头按钮，扩展对话方框来显示web输出概要和控制项。 (3)选择显示强/正常/弱的大小。这将启动下面的滑标控制项。 (4)使用滑标或在文本框中指定一个数来设置低于90的弱连接。 (5)使用滑标或在文本框中指定一个数来设置高于100的强连接。 图3.1.3 从web和GRI分析结果来看可以找出三组强连接： beer、cannedveg、frozenmeal wine、confectionery fruitveg、fish 从而可以归纳出三类客户，通过derive节点生成一个标记字段来区别这三类客户，在derive节点中增加一个set类型字段，如下： 更正：上式中3对应得条件应为(frozenmeal == T and beer == T) and (cannedveg == T and beer == T) and (cannedveg == T and frozenmeal == T) 另一种方法：把鼠标放在连线上，线变成红色后点击右键的generate derive node for link 这时就生成了一个二分变量。 由web显示器生成三个二分变量来标记三种客户： 3.model 欲描述这些客户群的特征，我们可以通过关联规则或决策树来观察，增加一个type节点，把关于客户资料的一些变量设置为in，beer_beans_pizza设置为out，其他的为none，通过C5.0节点，运行得到结果，可以看出，属于这类群的客户特征:收入低于16900的女性 4.Model assessment 通过节点analysis来评价模型，可以使用另一个数据集来进行验证模型，这里继续使用原数据来看模型的效果。在analysis节点中选择coincidence matices 最后得到的效果如下： Correct 967 96.7% Wrong 33 3.3% Total 1000 二、客户流失 下面的试验是对客户流失预警的模拟，数据资料来源于05年1月份以前，我们要做的是在试验当月（12月份）根据客户11月份及以前的数据，预测用户1月份的流失状态。 按如下规则抽样：选取在网时长大于90天，11月份mou值大于零，且倒数第二位号码为0的客户10000人。 用户流失状态按如下定义：1月份mou值为零则定义为流失，赋值输出变量为0，否则为不流失，赋值输出变量为1。 1.用节点SQL读取数据并编辑字段属性 我们选用SQL节点从oracle中读取数据。如图1在SQL节点编辑中首先需要建立数据源和clementine的连接，在datas