资源描述：
《实验3-------决策树》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、clementine决策树分类模型一.基于决策树模型进行分类的基本原理概念分类就是：分析输入数据，通过在训练集中的数据表现出来的特性，为每一个类找到一种准确的描述或者模型。由此生成的类描述用来对未来的测试数据进行分类。数据分类是一个两步过程：第一步，建立一个模型，描述预定的数据类集或概念集；第二步，使用模型进行分类。clementine8.1中提供的回归方法有两种:C5.0（C5.0决策树）和NeuralNet（神经网络）。下面的例子主要基于C5.0决策树生成算法进行分类。C5.0算法最早（20世纪50年代）的算法是亨特CLS（C
2、onceptLearningSystem）提出，后经发展由JRQuinlan在1979年提出了著名的1D3算法，主要针对离散型属性数据；C4.5是ID3后来的改进算法，它在ID3基础上增加了：对连续属性的离散化；C5.0是C4.5应用于大数据集上的分类算法，主要在执行效率和内存使用方面进行了改进。优点：在面对数据遗漏和输入字段很多的问题时非常稳健；通常不需要很长的训练次数进行估计；比一些其他类型的模型易于理解，模型推出的规则有非常直观的解释；也提供强大的增强技术以提高分类的粘度。二.范例说明该范例的背景是客户详细的个人投资计划作为
3、一种市场营销活动的结果，snapshottrainN.db（训练数据）描述的是不同age（年龄），不同sex（性别），不同region（地域），不同income（收入），不同married（婚姻），等等的数据，通过分类算法対训练数据进行建模得到决策树模型，通过得到的决策树模型來判断测试数据集（snapshottestN.db）里面的每个记录的pep（个人投资计划）属性是yes还是no。使用clementine建立流程图，如图1所示：[■IvTablesnapshottrainN.dbpep-囤pepAnatysis[■]YTabl
4、eType图1总流程图pepsnapshottestN.db—囤Analysis一.数据集说明数据集snapshottrainN.db,以下是该数据集的所有字段名:•id.唯一的识别号•age.年龄•sex.性别•region.地理位置•income.收入•menied.是否已婚•children.有几个孩子•car.是否有汽车•save_act.是否有储蓄账户•current_act.是否有活期存款•mortgage.是否有抵押•pep.是否有个人投资计划训练模型通过卜•面的操作，将完成如图2所示的流。nA⑥pepAnalysi
5、s图2训练模型(1)导入数据及预处理插入一个变项文件节点(Source'Va匚File),双击该节点，在File框输入snapshottrainN.db的物理路径，如图3所示：♦Var.File区/^I2Refresh⑥E:lSpssClementine^i3gsnapshottrainN.dbFile:EASpssClementine^据IsnapshottrainN.db口(B)Var.File"id；agez?'sex?»?region#"income'.»married'»'children‘'car'?'save_a
6、cC»'current_a<'ID1210V.4®'FEMALE','INNER-CITY',17546.0/N01//N0'N0"1TO?/YES''ID12102',40,'MALE'??TOWlf,30085.1,»YES',3/YES?/N0?,'YES','YES'/NO，'ID1210T,51,'FEMALE','IHNER_CI1T,16575.4,'YES',0/YES?/YES'/YES'/N0#N0^图3输入节点(1)变量类型的定义及实例化:在建模之前，我们首先将一个类型节点TypeNode加到目前的流
7、程中。点击ReadValues以读取数据。因为需要用年龄，性别，地区，收入等等为引数来估计个人投资计划，所以将id的Direction设为“None”，将pep设为“Out”，其他字段设为“In”。如图4所示：-0>Type•Type®lFieldsTypeValuesMissingCheckDirection1a]idTypelessNone0Nonepage/Range[18.67]Noneln[AsexwFlagMALE/FE...None[Aregion*SetINNER.C…None、ln笏income®Range[5
8、014.21....None[A]marriedFlagYES/NONone、lnchildren夕Range[0.3]Noneln向carsFlagYES/NONone、l门Asaveact3®FlagYES/NONoneAcurrenLact
