实验八 关联和决策树 - 图文

云南大学软件学院

实验 报 告

课程：大数据分析及应用任课教师：蔡莉实验指导教师（签名）：

学号：20131120233 姓名：王依 专业：软件工程 日期：2015.12.10 成绩：

实验八关联和决策树

一、 实验目的

1．理解关联分析和决策树的相关知识； 2．掌握使用Modeler进行关联分析的基本过程； 3．掌握利用关联分析的数据建立一个决策树的过程。

二、 实验内容及步骤

（一）使用 Modeler 进行关联分析

实验内容：

对实验文件BASKETS1进行分析，掌握购买数据之间的关联情况。 实验步骤：

1. 打开并查看数据文件。利用“可变文件”节点将“BASKETS1n”添加节点中。然后使用

“输出”选项卡下的“表”查看数据，如图1所示。这里的数据是某商场中的购买记录，共18个字段，1000条记录，在后面的列中，值“T”表示已购买该商品，值“F”表示没有购买该商品。

图1

1

2. 确定关联分析字段。在这里中，需要对购买商品之间进行关联分析，即确定客户购

买商品之间是否存在关联性，也就是说客户在购买一种商品时，购买另一种商品的概率是多少。所以，在这里，将选择记录中能够体现是否购买某商品的字段进行关联分析，其中有fruitveg，freshmeat，dairy，cannedveg，cannedmeat，frozenmeal，beer，wine，softdrink，fish，confectionery，共11个字段。 3. 读入分析字段的类型。在工作区生成“类型”节点，并双击编辑，将上一步骤选出的

11个字段的角色设定为“两者”，如图2。

图2

4. 添加模型节点。分别在“类型”之后添加“Apriori”模型节点和“Crama”模型节点，

如图3所示。其中，“Apriori”模型是基于“最低支持度”和“最小置信度”进行关联性分析。

图3

2

5. 运行并查看“Apriori”关联模型结果。运行“Apriori”模型的数据流，在右上侧生

成数据模型，右键查看，如图4所示。表中可以看出，客户同时购买frozenmeal、beer、cannedveg的概率很高。因此，商家可以将这三种商品放在相邻的位置，以促进销量。

图4

6. 运行并查看“Carma”关联模型结果。运行“Carma”模型的数据流，在右上侧生成数

据模型，右键查看，如图5所示。同样可以看出，客户同时购买frozenmeal、beer、cannedveg的概率很高。

图5

7. 利用“网络”图进行定性关联分析。选定“类型”节点，双击“图形”选项卡下的“网络”，

既可添加“网络节点”。然后，需双击编辑“网络”节点，将步骤（5）中选择的11个字段选定为分析字段。运行该“网络”节点，则右上区域生成关联模型，查看该关联模型，如图6。从图中表明，两点之间的线越粗，表示两者间相关性越强。同时可以通过调节下面的滑动点，查看相关性。

3

图6

（二）建立决策树

实验内容：

在上一步数据关联的基础上，分析哪些顾客是“健康食品购买者”，即同时购买fruitveg和fish。

实验步骤：

1. 如何标志健康食品购买者。点击“字段选项”选项卡下的“导出”增加一个属性

（Healthy）来标识健康食品购买者。编辑“导出”节点，将字段类型设为“标志”，并编辑“fruitveg = 'T' and fish='T'”，该公式表示消费者同时购买fruitveg和fish这两种商品，如图7。

图7

4

2. 查看增加“Healthy”之后的数据表。利用“表”来查看数据表，如图8，可以看到表中

增加了一个“Healthy”字段，描述是否为健康食品购买者。

图8

3. 接入一个“类型”节点。在这里，需要重新编辑字段的角色，如图9所示。其中与用

户相关的信息字段（除cardid外）角色都设定为“输入”，而“Healthy”变为“输出”，其他的选择“无”。

图9

4. 接入C5.0决策树模型。双击“建模”选项卡下的“C5.0”模型，既可以完成添加。如图

10。

5

图10

5. 运行决策树模型。分别运行“决策树”和“规则集”两种形式，查看两者得到的结果

分别如图11和图12所示。两者都分别有不同的表示方式。图中显示哪些类型的顾客是健康食品购买者。

图11

6

图12

6. 其他属性的功能，如图13。“组符号”是指当有多个字段在同一个分支时，将这几个

字段放在一组；“使用boosting”是指使用部分数据作为再次生成决策树，最后综合这些决策树来提高决策树的精度；“交互验证”是指一部分数据用来生成决策树，一部分作为测试；“简单”是指生成决策树的准确度，但是精确度高的决策树的移植性不高；“专家”下的“修剪严重性”是指修剪的程度。

图13

7. 将决策树模型加入数据流。首先选择“字段选项”下的“类型”节点，然后分别双击

右上侧的“tree”和“no-cut”（已重命名），在这之后，分别添加“分析”节点作为输出，得到如图14的数据流。

7

图14

8. 分析“修剪严重性”为75%的正确性。运行“tree”下“分析”节点，在图15中可以看出，

决策树分支的正确率为93.8%。

图15分析“修剪严重性”为75%的正确性

9. 分析“修剪严重性”为0的正确性。运行“no-cut”下“分析”节点后，得到图16，图中

显示决策树分支的正确率为95.1%。由此表明这两者的正确率差别不是十分大，仅为1.3%。但是，一般情况下，会选择简单的模型作为选择对象，即“修剪严重性”为75%的模型。

8

图16分析“修剪严重性”为0的正确性

10. 决策树的另外一个选项——成本，如图17显示。此处的成本主要指决策树将T判为

F，而将F判为T的过程需要成本，同时这个成本一般并不相同，SPSS Modeler 14.2的这两个默认值都是1。在这里，将F判为T的成本改为0.3，将T判为F的成本改为2.0，“修剪严重性”设定为75%，运行该决策树模型，得到图59，共有8层。接下来，将这与原来生成的“tree”模型（F判为T的成本为1.0，T判为F的成本改为1.0，“修剪严重性”为75%）进行比较。

图17

9

图18

11. 添加“输出”选项卡下的“矩阵”节点。将这个模型添加到数据流中，并在此基础上

分别添加“矩阵”节点，如图19所示。

图19

12. 分别运行“矩阵”节点，并分析数据。在运行这两个节点之前，需要将这两个“矩阵”

节点的“行”设为“Healthy”，“列”设为“$C-Healthy”。运行后分别得到图20（左：“tree”，右：“2-0.3cost”）的表格。可以看出，决策树总是朝着成本最低的趋势生成决策树。

10

本文来源：https://www.bwwdw.com/article/1fat.html