数据挖掘实验报告决策树和聚类分析.docx

数据挖掘实验报告决策树和聚类分析.docx

《数据挖掘实验报告决策树和聚类分析.docx》由会员分享，可在线阅读，更多相关《数据挖掘实验报告决策树和聚类分析.docx（16页珍藏版）》请在冰豆网上搜索。

数据挖掘实验报告决策树和聚类分析

使用样例数据库——食品销售公司数据库，里面包含17张维表，11张事实表，具体信息如下：

维表

account:

账目表

category：

类别表

currency：

货币表

customer：

客户表

days-check：

星期表

department：

部门表

employee：

员工表

position：

工厂位置

product：

商品信息

product_class：

商品类别

promotion：

广告

region：

区域

reserve_employee：

储备干部表

store：

分店表

time_by_day：

时间表

warehouse：

仓库表

warehouse：

仓库类表

事实表

expense_fact：

支出表

inventory_fact_1997：

1997年库存情况

inventory_fact_1998：

1998年库存情况

monthly_rates：

每月库存出货比例

PCTOwnershipfact

rates：

出货库存比例

salary：

薪水表

sales_fact_1997：

1997销售表

sales_fact_1998：

1998销售表

sales_fact_dec_199：

1998.12销售表

warehouse_inventory：

仓库存货表

使用SQLServerBusinessIntelligenceDevelopmentStudio对上述数据建立数据立方体，并进行数据挖掘分析，挖掘的知识类型不限，将挖掘过程和结果形成实验报告。

【实验内容】

（1）利用给定的数据库，新建一个数据挖掘项目；

（2）依次建立数据源，数据源视图，维度，多维度数据集，挖掘机构；

（3）选择不同的算法对挖掘的结果进行分析，预测.

（4）根据以上分析，提出可以执行的决策

【实验步骤】

（1）新建一个数据源，我们使用给定的食品加工数据库。

（2）根据数据源，建立数据源视图；

数据库中各个表的关系如下（部分截图）：

（3）新建维度，选择time_by_day

（4）新建多维数据集

之后数据源视图如下（部分）：

（5）建立数据挖掘结构，选择使用了Microsoft决策树析

其中customer表作为事例。

选择预测年收入

测试数据百分比选择为默认的30%

得到如下决策树

年收入依赖的数据关系为

通过分析例如当条件为：

“Education='HighSchoolDegree'andOccupation='Manual'andMemberCard不等于'Normal'”时年收入分布如下

当条件为：

“Education='BachelorsDegree'andMemberCard='Normal'andNumCarsOwned=0”时年收入分布如下

当选择预测值为$30k--$50k时提升图为：

拟合分数为0.97拟合较好

分类矩阵如下：

从图中可以看出$10k--$30预测准确率最高