姚丹妮商务智能化课设报告

《姚丹妮商务智能化课设报告》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、《商务智能》课程设计报告班级：信管131学号：3130561025姓名：姚丹妮同组人:赵咪杨乔指导教师：王建仁/李明日期：2016.01.04--2016.01.08目录1．需求分析32．数据理解33．挖掘（或分析）数据准备44．数据挖掘（或分析）过程54.1挖掘算法与挖掘软件选择54.2数据预处理54.3挖掘过程说明65．结果展示与评价186．总结196.1设计中遇到的主要问题及解决方法196.2设计方案的主要优点及不足196.3收获及建议19参考文献19连锁酒店顾客信用度分析方案设计1．需求分析一个连锁酒店的经营与不同客户息息相关。酒店不仅需要每天面对不同

2、的新增客户，也需要维系老客户。所以对于已消费的顾客的信用度的分析尤为重要。不同顾客信用度之间存在诸多差异。好坏之分也影响了酒店的经营状况。一个信用度良好的客户对于酒店来说是好事，但如果一个顾客信用度底下，则极有可能出现拖欠房费等状况，这会严重损坏酒店利益。因此我会采用分类分析的方法。利用决策树模型构建顾客信用度分析体系，并进行相关预测，以便于酒店日后的经营以及对顾客的服务，对于那些信用度良好的顾客可以给予一定优惠，而对于那些信用度较差的顾客，则要避免在酒店再次进行消费而又不付款的情况。2．数据理解为建立决策树，需要事先建立数据挖掘所需数据库或数据表，即顾客信用

3、数据表。将顾客相关信用度的信息输入表中，以便分析。输入的信息均具有代表性。不重复不冗余，如若不然，可再进行数据预处理。所需数据如下图所示：3．挖掘（或分析）数据准备首先需要在数据库中建立“数据挖掘实验“数据库，并在数据库中建立表“顾客信用数据表1”（1）设计“顾客信用数据表1”，表结构如下图所示：设置“顾客编号”为主键。（2）编辑表的前200行，输入表中信息。（注意输入的信息一定要具有代表性，避免冗余与重复）4．数据挖掘（或分析）过程4.1挖掘算法与挖掘软件选择算法：分类分析算法（决策树）软件：microsoftvisualstudio20084.2数据预处理

4、由于表“顾客信用数据表1”中的数据存在冗余缺失等问题，所以需要对表中数据进行数值化处理，离散化处理等相应的预处理操作，并将预处理之后的信息存入新表“顾客信用数据表2”中。具体步骤如下所示：（1）将年龄属性列的数据进行离散化处理，设置区域范围，分别为<30、<50、>=50三个范围，并将表中“年龄”属性列中的信息按照其对应的范围进行修改，以便于决策树的生成（2）将年收入属性列的数据进行归一化处理，将每个数据值除以100000，缩小数据，以便观察。（同时要修改表中“年收入”属性列的数据类型，由int改为float）（3）将信用等级属性列进行数值化处理，等级“A/B

5、/C/D/E”分别对应“1/2/3/4/5”，将表中“信用等级”属性列中的信息按照其对应的数值进行修改，以便于决策树的生成预处理之后的表的结构及内容如下图所示：表结构：表中具体内容：4.3挖掘过程说明（1）打开挖掘软件，点击“新建”，建立“顾客信用分析”的挖掘项目。（2）定义数据源。在页面右方点击新建“数据源”，点击“下一步”。将服务器名改为“localhost”，选择使用windows身份验证，选择“数据挖掘实验”数据库。点击“下一步”。选择“使用服务账户”，点击“下一步”。然后完成。（3）定义数据源视图。在页面右方点击新建“数据源视图”，点击“下一步”。选

6、择“数据挖掘实验”，点击“下一步”。选择“与主键同名”，点击“下一步”。选择“顾客信用数据表2”（已经进行过数据预处理的表），点击“下一步”。然后完成。（4）创建挖掘结构。在页面右方点击新建“挖掘结构”，点击“下一步”。选择“从现在关系数据库或数据仓库”，点击“下一步”。选择“决策树”类型，点击“下一步”。点击“下一步”。点击“下一步”如下所示，顾客编号为主键，年龄、年收入、信用等级、性别、职业为可输入，信用等级为可预测。点击“下一步”。设置“测试数据百分比”，点击“下一步”。点击“完成。定义数据源，数据源视图，新建挖掘结构以后，如下图所示。（5）设置相关参数

7、。右键点击“设置算法参数”（选择不同的算法参数会带来不同的决策树模型）参数设置如下图所示，可根据自己的需求设置不同参数。（6）进行部署，实施挖掘。点击“运行”，进入下一步。处理完成，可以到主界面查看挖掘模型。5．结果展示与评价决策树模型如下图所示：依赖关系如下所示：由上边所生成的决策树可知，信用等级与年龄、职业、性别和年收入都具有相辅相成的关系。其中依赖关系最强的是年龄和年收入。根据“数据挖掘实验”数据库中的信息，所生成的决策树显示，当年收入>=1.178并且<1.472，职业不为销售员的顾客信用程度相对较高。而职业为销售员且年龄小于30岁的人信用程度则是中等

8、偏下。其他则分布不均。6．总结6.1设