数据仓库与数据挖掘--决策树实验

《数据仓库与数据挖掘》实验报告2012/2013学年第2学期实验项目：数据仓库的数据加载班级：信息管理101学生：（学号）地点：经管院A 实验室机器号：29指导教师：时间：2013 年 4 月28 日经济与管理学院信息管理教研室《数据仓库与数据挖掘》课程实验报告开课实验室：经济管理基础实验室（一）年月日学院班级姓名成绩课程数据仓库与数据挖掘实验名称数据仓库的数据挖掘指导教师名称教师评语教师签名：年月日一、实验目的掌握在SQL Server 2005示例数据仓库环境下数据加载和建立多维数据模型过程的知识，训练其把教材上的内容应用到实际中的技能，为今后继续数据挖掘技术的学习奠定基础。

二、实验内容在SQL Server 2005示例数据仓库环境下加载数据仓库，建立多维数据模型。

具体内容包括：创建 Analysis Services 项目，定义数据源，定义数据源视图，修改表的默认名称，定义多维数据集，检查多维数据集和维度属性，部署 Analysis Services 项目，浏览已部署的多维数据集等知识。

三、实验原理、方法和手段数据仓库环境下数据加载过程和多维数据模型建立的方法。

四、实验步骤1．创建数据源视图2.决策树3.示例4.指定所用属性5.数据类型（连续变量、离散变量）6.数据结构名称三、实验总结实验总结本次的实验也分为两个子实验，数据挖掘中的关联规则和决策树，这两个实验成功了，实验最后都可以看到结果，没有太大的问题，这两个实验需要我们在课后多去练习，多去运用，才能真正掌握。

这是第三个也是最后一个实验，这三个实验只涉及到了数据仓库与数据挖掘的一点点皮毛，如果我们想要学好数据仓库与数据挖掘这门课，只会这一点点是不够的，需要我们自己在课后去学习更多的，书上没有讲过的有关数据仓库与数据挖掘的知识。

这门课对于我们以后的工作可能会有一定的帮助。

一、上机目的及内容目的：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购买自行车模式。

请将要挖掘的维度（事例维度）设置为客户，再将客户的属性设置为数据挖掘算法识别模式时要使用的信息。

然后算法将使用决策树从中确定模式。

下一步需要训练模型，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选择潜在的客户发送自行车促销信息。

要求:利用实验室和指导教师提供的实验软件，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模型及操作过程。

实验完成后，应根据实验情况写出实验报告。

二、实验原理及基本技术路线图（方框原理图或程序流程图）关联分析：关联分析是从数据库中发现知识的一类重要方法。

时序模式：通过时间序列搜索出重复发生概率较高的模式。

分类：分类是在聚类的基础上对已确定的类找出该类别的概念描述，代表了这类数据的整体信息，既该类的内涵描述，一般用规则或决策树模式表示。

三、所用仪器、材料（设备名称、型号、规格等或使用软件）1台PC及Microsoft SQL Server套件四、实验方法、步骤（或：程序代码或操作过程）及实验过程原始记录( 测试数据、图表、计算等)创建 Analysis Services 项目1.打开 Business Intelligence Development Studio。

2.在“文件”菜单上，指向“新建”，然后选择“项目”。

3.确保已选中“模板”窗格中的“Analysis Services 项目”。

4.在“名称”框中，将新项目命名为 AdventureWorks。

5.单击“确定”。

更改存储数据挖掘对象的实例1.在 Business Intelligence Development Studio 的“项目”菜单中，选择“属性”。

实验五关联规则
一．实验目的
1.熟悉SQL Server 2005 Management Studio和Business Intelligence
Development Studio基本操作。

2.掌握数据仓库的基本构建方法。

3.进行数据预处理
4.创建决策树挖掘结构。

5.部署项目并处理挖掘模型并学会分析。

二．实验内容
1.数据的预处理
2. 创建Analysis Services 项目
3.创建数据源
4.创建数据源视图
5. 创建关联规则挖掘结构
6．部署项目并处理挖掘模型
7．模型解释
三．实验内容和分析
1.数据的预处理
将每个年级学生的编号用A1…,B1…,C1…表示；将所有实验数据设置成文本格式；
2.装载数据
3.创建Analysis Services 项目和数据源
4.创建数据源视图
5.创建关联规则挖掘结构
6.部署
7.模型解析
在规则选项中，可以发现一些比较有价值的规则，例如根据重要性的大小可知道，住校=2->出生地=2,出生地在城镇的一般都不会住校。

从依赖关系较强的网络中可以看出，从依赖关系网络图中可以看出，性别=2->b6=1;d39=1和父母在家
=1->b1=1;f7=1的置信度最高，说明性别和父母是否在家同住是非常重要的指标，女生从不会对身边的同学又推又挤以及从不会在课堂上搞恶作剧引同学发笑；与父母同住的学生从不会为了使其他人不喜欢某位同学而在那位同学背后散布流言或说他人坏话以及从不会觉得身体不舒服。

因此，父母与孩子同住与否，尤其对于女生，将会
在很大程度上影响其孩子的生活状况！。

实验四决策树一、实验目的1.了解典型决策树算法2.熟悉决策树算法的思路与步骤3.掌握运用Matlab对数据集做决策树分析的方法二、实验内容1.运用Matlab对数据集做决策树分析三、实验步骤1.写出对决策树算法的理解决策树方法是数据挖掘的重要方法之一，它是利用树形结构的特性来对数据进行分类的一种方法。

决策树学习从一组无规则、无次序的事例中推理出有用的分类规则，是一种实例为基础的归纳学习算法。

决策树首先利用训练数据集合生成一个测试函数，根据不同的权值建立树的分支，即叶子结点，在每个叶子节点下又建立层次结点和分支，如此重利生成决策树，然后对决策树进行剪树处理，最后把决策树转换成规则。

决策树的最大优点是直观，以树状图的形式表现预测结果，而且这个结果可以进行解释。

决策树主要用于聚类和分类方面的应用。

决策树是一树状结构，它的每一个叶子节点对应着一个分类，非叶子节点对应着在某个属性上的划分，根据样本在该属性上的不同取值将其划分成若干个子集。

构造决策树的核心问题是在每一步如何选择适当的属性对样本进行拆分。

对一个分类问题，从已知类标记的训练样本中学习并构造出决策树是一个自上而下分而治之的过程。

2.启动Matlab，运用Matlab对数据集进行决策树分析，写出算法名称、数据集名称、关键代码，记录实验过程，实验结果，并分析实验结果(1)算法名称: ID3算法ID3算法是最经典的决策树分类算法。

ID3算法基于信息熵来选择最佳的测试属性，它选择当前样本集中具有最大信息增益值的属性作为测试属性；样本集的划分则依据测试属性的取值进行，测试属性有多少个不同的取值就将样本集划分为多少个子样本集，同时决策树上相应于该样本集的节点长出新的叶子节点。

ID3算法根据信息论的理论，采用划分后样本集的不确定性作为衡量划分好坏的标准，用信息增益值度量不确定性：信息增益值越大，不确定性越小。

因此，ID3算法在每个非叶节点选择信息增益最大的属性作为测试属性，这样可以得到当前情况下最纯的划分，从而得到较小的决策树。