数据仓库与数据挖掘实验三(数据挖掘).doc

《数据仓库与数据挖掘实验三(数据挖掘).doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一、实验内容和目的目的：1．理解数据挖掘的基本概念及其过程；2．理解数据挖掘与数据仓库、OLAP之间的关系3．理解基本的数据挖掘技术与方法的工作原理与过程，掌握数据挖掘相关工具的使用。内容：将创建一个数据挖掘模型以训练销售数据，并使用“Microsoft决策树”算法在客户群中找出会员卡选择模式。请将要挖掘的维度（事例维度）设置为客户，再将Member_Card成员的属性设置为数据挖掘算法识别模式时要使用的信息。然后选择人口统计特征列表，算法将从中确定模式：婚姻状况、年收入、在家子女数和教育程度。下一步需要训练模型

2、，以便能够浏览树视图并从中读取模式。市场部将根据这些模式设计新的会员卡，使其适应申请各类会员卡的客户类型。二、所用仪器、材料（设备名称、型号、规格等）操作系统平台：Windows7数据库平台：SQLServer2008SP2三、实验原理知识发现被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式。KDD过程定义为：KDD是从数据集中识别出有效出、新颖的、潜在有用的，以及最终可理解的模式的高级处理过程。KDD过程可以概括为3部分：数据准备（dataprep

3、aration），数据挖掘及结果的解释和评估（interpretation&evaluation）。-8-数据挖掘的对象主要是关系数据库和数据仓库，这是典型的结构化数据。随着技术的发展，数据挖掘对象逐步扩大到半结构化或非结构化数据，这主要是文本数据、图像与视频数据以及Web数据等。数据挖掘任务有6项：关联分析、时序模式、聚类、分类、偏差检测、预测。数据挖掘方法是由人工智能、机器学习的方法发展而来，结合传统的统计分析方法、模糊数学方法以及科学计算可视化技术，以数据库为研究对象，形成了数据挖掘方法和技术。数据挖掘方法

4、和技术可以分为6大类：1．归纳学习的信息论方法：ID3等方法（决策树方法）、IBLE方法（决策规则树方法）2．归纳学习的集合论方法：粗糙集（roughset）方法、关联规则挖掘、覆盖正例排斥反例方法、概念树方法。3．仿生物技术的神经网络方法：前馈式网络、反馈式网络、自组织网络4．仿生物技术的遗传算法：繁殖（选择）、交叉（重组）、变异（突变）5．数据数据的公式发现：物理定律发现系统BACON、经验公式发现系统FDD6．可视化技术：提取几何图元、绘制、显示和演放四、实验方法、步骤要求：利用实验室和指导教师提供的实验软

5、件，认真完成规定的实验内容，真实地记录实验中遇到的各种问题和解决的方法与过程，并根据实验案例绘出多维数据组织模型及其OLAP操作过程。实验完成后，应根据实验情况写出实验报告。五、实验过程原始记录(数据、图表、计算等)本实验使用MicrosoftSQLServer的数据挖掘工具，对一组电信运营商的客户数据进行挖掘，分析客户流失特征，以此来预测当前可能流失的客户，为企业营销提供支持。u首先将待挖掘数据（存放于文本文件中）导入数据库先在数据库中建立数据表（若直接导入，相应字段的数据类型不匹配，会影响挖掘效果）USE[D

6、W]GO-8-SETANSI_NULLSONGOSETQUOTED_IDENTIFIERONGOCREATETABLE[dbo].[大理PAS流失训练]([SERV_ID][float]NULL,--服务ID[CUST_ID][float]NULL,[ZWSC][float]NULL,--在网时长[BILLING_MODE_ID][float]NULL,[PAYMENT_METHOD][float]NULL,--付费方式[ORG_ID][float]NULL,--地区ID[NEW_YXSX][float]NULL

7、,[ZWSC_DSC][nvarchar](255)NULL,[KB][nvarchar](255)NULL,--捆绑其他业务[AGE][nvarchar](255)NULL,--年龄[LX][nvarchar](255)NULL,--来电显示[CL][nvarchar](255)NULL,--彩铃[FEE_ALL][nvarchar](255)NULL,[YC][nvarchar](255)NULL,--预存[IS_LS][float]NULL--是否流失,0表示未流失,1表示流失)ON[PRIMARY]GO导

8、入待挖掘数据-8-u打开Microsoft的SQLServerBusinessIntelligenceDevelopmentStudio工具，在实验二的OLAP项目中添加刚刚创建导入的数据表执行挖掘算法，创建挖掘结构，并分析挖掘结果1．Microsoft决策树-8--8-挖掘得到的决策树：数据挖掘结果：命中率：覆盖率：2．Microsoft神经网络-8-挖掘得到的模型：-