Clementine利用经典实例.docx

Clementine利用经典实例.docx

《Clementine利用经典实例.docx》由会员分享，可在线阅读，更多相关《Clementine利用经典实例.docx（16页珍藏版）》请在冰豆网上搜索。

Clementine利用经典实例

下面利用AdventureWorks数据库中的TargetMail作例子，通过成立分类树和神经网络模型，决策树用来预测哪些人会响应促销，神经网络用来预测年收入。

TargetMail数据在SQLServer样本数据库AdventureWorksDW中的视图，关于TargetMail详见：

 概念数据源

将一个Datebase源组件加入到数据流设计区，双击组件，设置数据源为视图。

在Types栏中点“ReadValues”，会自动读取数据个字段的Type、Values等信息。

Values是字段包括的值，比如在数据集中NumberCardsOwned字段的值是从0到4的数，HouseOwnerFlag只有1和0两种值。

Type是依据Values判定字段的类型，Flag类型只包括两种值，类似于boolean；Set是指包括有限个值，类似于enumeration；Ragnge是持续性数值，类似于float。

通过了解字段的类型和值，咱们能够确信哪些字段能用来作为预测因子，像AddressLine、Phone、DateFirstPurchase等字段是无用的，因为这些字段的值是无序和无心义的。

Direction说明字段的用法，“In”在SQLServer中叫做“Input”,“Out”在SQLServer中叫做“PredictOnly”,“Both”在SQLServer中叫做“Predict”，“Partition”用于对数据分组。

2. 明白得数据

在建模之前，咱们需要了解数据集中都有哪些字段，这些字段如何散布，它们之间是不是隐含着相关性等信息。

只有了解这些信息后才能决定利用哪些字段，应用何种挖掘算法和算法参数。

在除在成立数据源时Clementine能告知咱们值类型外，还能利用输出和图形组件对数据进行探讨。

例如先将一个统计组件和一个条形图组件拖入数据流设计区，跟数据源组件连在一路，配置好这些组件后，点上方绿色的箭头。

等一会，然后这两个组件就会输出统计报告和条形图，这些输出会保留在治理区中（因为条形图是高级可视化组件，其输出可不能出此刻治理区），以后只要在治理区双击输出就能够够够看打开报告。

3. 预备数据

将之前的输出和图形工具从数据流涉及区中删除。

将FieldOps中的Filter组件加入数据流，在Filter中能够去除不需要的字段。

咱们只需要利用MaritalStatus、Gender、YearlyIncome、TatalChildren、NumberChildrenAtHome、EnglishEducation、EnglishOccupation、HouseOwnerFlag、NumberCarsOwned、CommuteDistance、Region、Age、BikeBuyer这些字段。

加入Sample组件做随机抽样，从源数据中抽取70%的数据作为训练集，剩下30%作为查验集。

注意为种子指定一个值，学过统计和运算机的应该明白只要种子不变，运算机产生的伪随机序列是不变的。

因为要利用两个挖掘模型，模型的输入和预测字段是不同的，需要加入两个Type组件，将数据分流。

决策树模型用于预测甚麽人会响应促销而购买自行车，要将BikeBuyer字段作为预测列。

神经网络用于预测年收入，需要将YearlyIncome设置为预测字段。

有时候用于预测的输入字段太多，会花费大量训练时刻，能够利用FeatureSelection组件挑选对预测字段阻碍较大的字段。

从Modeling中将FeatureSelection字段拖出来，连接到神经网络模型的组件后面，然后点击上方的ExecuteSelection。

FeatureSelection模型训练后在治理区显现模型，右击模型，选Browse可查看模型内容。

模型从12个字段被选出了11个字段，以为这11个字段对年收入的阻碍比较大，因此咱们只要用这11个字段作为输入列即可。

将模型从治理区拖入数据流设计区，替换原先的FeatureSelection组件。

4. 建模

加入NearalNet和CHAID模型组件，在CHAID组件设置中，将Mode项设为”Launchinteractivesession”。

然后点上方的绿色箭头执行整个数据流。

Clementine在训练CHAID树时，会开启交互式会话窗口，在交互会话中能够操纵树生长和对树剪枝，幸免过拟合。

假设是确信模型后点上方黄色的图标。

完成后，在治理区又多了两个模型。

把它们拖入数据流设计区，开始评估模型。

5. 模型评估

修改抽样组件，将Mode改成“DiscardSample”，意思是抛弃之前用于训练模型的那70%数据，将剩下30%数据用于查验。

注意种子不要更改。

我那个地址只查验CHAID决策树模型。

将各类组件跟CHAID模型关联。

执行后，取得提升图、预测准确率表……

6. 部署模型

Export组件都能够利用Publish发布数据流，那个地址会产生两个文件，一个是pim文件，一个是par文件。

pim文件保留流的所有信息，par文件保留参数。

有了这两个文件就能够够够利用来执行流，是ClementineSolutionPublisher的执行程序。

ClementineSolutionPublisher是需要单独授权的。

在SSIS中pim和par类似于一个dtsx文件，就类似于。

如果要在其他程序中使用模型，可以使用Clementine执行库（CLEMRTL），相比起Microsoft的oledbfordm，SPSS的提供的API在开发上还不是专门好用。