rapidminer开源数据挖掘工具讲师决策树神网络.pdfVIP

决策树--学习目标

在学习完本节课后，您应能够：

解释什么是决策树、如何使用决策树，以及使用决策树有哪些好处。

识别必要的数据格式，以便执行预测性决策树挖掘。

使用训练数据集在RapidMiner中开发决策树数据挖掘模型。

解读可视化树的节点与树叶，并将其应用于检验数据集，以便部署模型。

使用不同的树算法，以便提高树细节的精细程度。

决策树

决策树算法是一种近离散函数值的方法。它是一种典型的分类方法，首先对数据进

行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。

本质上决策树是通过一系列规则对数据进行分类的过程。

决策树算法构造决策树来发现数据中蕴涵的分类规则．如何构造精度高、规模小的决

策树是决策树算法的内容。决策树构造可以分两步进行。第一步，决策树的生成

：由训练样本集生成决策树的过程。一般情况下，训练样本数据集是根据实际需要有

的、有一定综合程度的，用于数据分析处理的数据集。第二步，决策树的剪技：

决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修正的过程，主要是用新

的样本数据集（称为测试数据集）中的数据校验决策树生成过程中产生的初步规则，

将那些影响预测准确性的分枝剪除。

决策树--业务理解

Richard不仅希望能够预测行为发生的时间，还希望能够了解客户在公司上的

行为如何表明新电子阅读器的时间。

Richard相信他可以将公司的客户按以下四个最终将新款电子阅读器的群体进行分

类：创新者、早期采用者、早期主体采用者或晚期主体采用者。这些群体符合

可以帮助他确定哪些活动是用于预测客户将归于哪个类别的最佳预测因子。知道这一

点后，他可以确定根据可能性针对每个客户进行的时间。

决策树--数据理解

Richard请我们帮助他开展该项目。我们决定使用决策树模型来找出用于预测行为

的有效预测因子。因为Richard所在的公司通过开展所有业务，所以拥有一个丰

富的数据集，其中包含每个客户的信息，例如他们最近浏览的是什么产品，以及他们已

实际什么产品。他为我们准备了两个数据集。训练数据集包含已公司前一代

阅读器的客户在公司上的活动，以及他们阅读器的时间。第二个数据集包含

Richard希望其新款电子阅读器的当前客户的属性。他希望根据训练数据集中所包

含人员的特征和时间，确定检验数据集中的每个人将归于哪个采用者类别。

在分析数据集时，Richard发现客户在数字和书籍方面的活动，以及在公司上

所销售电子产品方面的一般活动，都同人们在电子阅读器时的活动有许多共同之处

。在牢记这一点的情况下，我们和Richard合作编制了包含以下属性的数据集：

决策树--数据理解

User_ID：为在公司上拥有帐户的每个人指定的具有唯一性的数字识别码。

Gender：客户的，参考客户帐户而定。在此数据集中，使用“M”表示，使用“F”表示女性。

DecisionTree操作符可以处理非数字数据类型。

Age：从公司的数据库中提取数据时相应人员的。按系统日期与帐户中记录的相应人员的生日之间的时间

差计算，并按四舍五入的方式精确到整数。

Marital_Status：帐户中记录的相应人员的状况。在帐户中表示自己已婚的人员在数据集中被输入为“M”。

由于公司没有区分人员的单身类型，因此离异与丧偶的同一直单身的被归为了一类（在数据集中使用

“S”表示）。

Website_Activity：该属性用于表示每个客户在公司上的活跃程度。通过与Richard合作，我们使用公司

数据库中记录每个客户公司时持续时间的信息，来计算客户使用公司的频度和每次的持续时间。然后

这会转换为以下其中一个类别：很少、定期或频繁。

Browsed_Electronics_12Mo：一个内容为Yes/No的列，用于表示相应人员在过去的一年中是否曾在公司上

浏览电子产品。

Bought_Electronics_12M