数据挖掘软件SPSS Clementine 12安装教程

Clementine12中的数据挖掘算法SPSS 2010-03-31 08:39:10 阅读14 评论0 字号：大中小最近老有朋友问我Clementine12中都有哪些算法？感觉Clementine12中的算法很多，很齐全并且根据商业目的做了大体的分类（预测的、分类的、细分的、关联的），所以大家只要清楚自己的商业问题是哪类问题、用什么算法能达到自己想要的目的就可以根据Clementine12中的模型划分，迅速的找到自己想要的mode；下图是Clementine12中所有数据挖掘的算法：下面是谢邦昌教授的数据挖掘（Data Mining）十种分析方法，以便于大家对模型的初步了解，不过也是日常挖掘中经常遇到的算法，希望对大家有用！（甚至有数据挖掘公司，用其中的一种算法就能独步天下）1、记忆基础推理法（Memory-Based Reasoning；MBR）记忆基础推理法最主要的概念是用已知的案例（case）来预测未来案例的一些属性（attribute），通常找寻最相似的案例来做比较。

记忆基础推理法中有两个主要的要素，分别为距离函数（distance function）与结合函数（combination function）。

距离函数的用意在找出最相似的案例；结合函数则将相似案例的属性结合起来，以供预测之用。

记忆基础推理法的优点是它容许各种型态的数据，这些数据不需服从某些假设。

另一个优点是其具备学习能力，它能藉由旧案例的学习来获取关于新案例的知识。

较令人诟病的是它需要大量的历史数据，有足够的历史数据方能做良好的预测。

此外记忆基础推理法在处理上亦较为费时，不易发现最佳的距离函数与结合函数。

其可应用的范围包括欺骗行为的侦测、客户反应预测、医学诊疗、反应的归类等方面。

2、市场购物篮分析（Market Basket Analysis）购物篮分析最主要的目的在于找出什么样的东西应该放在一起？商业上的应用在藉由顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品，找出相关的联想（association）规则，企业藉由这些规则的挖掘获得利益与建立竞争优势。

实验一Clementine12.0数据挖掘分析方法与应用一、[实验目的]熟悉Clementine12.0进行数据挖掘的基本操作方法与流程，对实际的问题能熟练利用Clementine12.0开展数据挖掘分析工作。

二、[知识要点]1、数据挖掘概念；2、数据挖掘流程；3、Clementine12.0进行数据挖掘的基本操作方法。

三、[实验内容与要求]1、熟悉Clementine12.0操作界面；2、理解工作流的模型构建方法；3、安装、运行Clementine12.0软件；4、构建挖掘流。

四、[实验条件]Clementine12.0软件。

五、[实验步骤]1、主要数据挖掘模式分析；2、数据挖掘流程分析；3、Clementine12.0下载与安装；4、Clementine12.0功能分析；5、Clementine12.0决策分析实例。

六、[思考与练习]1、Clementine12.0软件进行数据挖掘的主要特点是什么？2、利用Clementine12.0构建一个关联挖掘流（购物篮分析）。

实验部分一、Clementine简述Clementine是ISL(Integral Solutions Limited)公司开发的数据挖掘工具平台。

1999年SPSS公司收购了ISL公司，对Clementine产品进行重新整合和开发，现在Clementine已经成为SPSS公司的又一亮点。

作为一个数据挖掘平台，Clementine结合商业技术可以快速建立预测性模型，进而应用到商业活动中，帮助人们改进决策过程。

强大的数据挖掘功能和显著的投资回报率使得Clementine在业界久负盛誉。

同那些仅仅着重于模型的外在表现而忽略了数据挖掘在整个业务流程中的应用价值的其它数据挖掘工具相比，Clementine其功能强大的数据挖掘算法，使数据挖掘贯穿业务流程的始终，在缩短投资回报周期的同时极大提高了投资回报率。

为了解决各种商务问题，企业需要以不同的方式来处理各种类型迥异的数据，相异的任务类型和数据类型就要求有不同的分析技术。

目录SPSS Clementine 数据挖掘入门（1） (2)客户端基本界面 (3)项目区 (3)工具栏 (3)源工具（Sources） (3)记录操作（Record Ops）和字段操作（Field Ops） (4)图形（Graphs） (4)输出（Output） (4)模型（Model） (4)数据流设计区 (4)管理区 (5)Outputs (5)Models (5)SPSS Clementine 数据挖掘入门（2） (6)1．定义数据源 (7)2．理解数据 (8)3．准备数据 (9)4．建模 (14)5．模型评估 (15)6．部署模型 (17)SPSS Clementine 数据挖掘入门（3） (18)分类 (21)决策树 (21)Naïve Bayes (24)神经网络 (26)回归 (27)聚类 (28)序列聚类 (31)关联 (32)SPSS Clementine 数据挖掘入门（1）SPSS Clementine是Spss公司收购ISL获得的数据挖掘工具。

在Gartner的客户数据挖掘工具评估中，仅有两家厂商被列为领导者：SAS和SPSS。

SAS获得了最高ability to execute评分，代表着SAS在市场执行、推广、认知方面有最佳表现；而SPSS获得了最高的completeness of vision，表明SPSS在技术创新方面遥遥领先。

客户端基本界面SPSS Clementine（在此简称clementine）在安装好后会自动启用服务，服务端的管理需要使用SPSS Predictive Enterprise Manager，在服务端clementine没有复杂的管理工具，一般的数据挖掘人员通过客户端完成所有工作。

下面就是clementine客户端的界面。

一看到上面这个界面，我相信只要是使用过SSIS＋SSAS部署数据挖掘模型的，应该已经明白了六、七分。

是否以跃跃欲试了呢，别急，精彩的还在后面 ^_’项目区顾名思义，是对项目的管理，提供了两种视图。

spss12安装教程植保信息技术（SPSS安装和运行）SPSS安装和运行1 SPSS v12.0 安装打开计算机，启动Windows 98 或 Windows XP1) 将课程配备的光碟放入光盘驱动器中。

2) 启动Windows资源管理器，双击光盘驱动器图标，在目录窗口中找到“SPSS12 install”文件夹，双击进入该文件夹；找到“setup”应用程序，双击后就启动安装。

显示欢迎安装SPSS 12.0试用版以及版权声明（图1-1），浏览后单击 Next 按钮进入下一个画面。

图1-1 SPSS12.0欢迎窗口3）同意SPSS12.0软件协议用户阅读“协议”，同意协议，单击Next按钮，进入下一个界面。

否则单击 Cancel 退出安装，如图1-2。

图1-2 软件协议窗口4）阅读SPSS 12.0 自述文件后，单击Next按钮，进入下一个界面。

5）填写填写用户信息。

例如：在用户名“Name:”拦填写: Student在单位名称“Organization:”拦填写: SWAU如图1-3。

单击Next按钮，进入下一个界面。

图1-3填写用户信息5）指定SPSS12.0系统的安装目录（图1-4）图1-4 指定SPSS12.0系统的安装目录同意安装程序自动安装到C:\Program file\spss，单击 Next 后进入下一个画面继续安装。

如果想要安装到其他的目录中，单击 Change.. 按钮，指定自己选择的安装路径和文件夹。

6）填写许可证代码和更新在软件许可证号“License Code:”栏填写:55345 26752 51345 33006 86803 93573 71895 65752 87然后，单击Update 按钮更新后，Next按钮被激活，单击Next后进入下一个画面继续安装。

图1-5填写许可证代码和更新7）指定安装方式：z Complete 完全安装。

z Custom 选择安装，安装模块由用户自己指定。

SPSS Clementine是Spss公司收购ISL获得的数据挖掘工具。

在Gartner的客户数据挖掘工具评估中，仅有两家厂商被列为领导者：SAS和SPSS。

SAS获得了最高ability to execute评分，代表着SAS在市场执行、推广、认知方面有最佳表现；而SPSS获得了最高的completeness of vision，表明SPSS在技术创新方面遥遥领先。

客户端基本界面SPSS Clementine（在此简称clementine）在安装好后会自动启用服务，服务端的管理需要使用SPSS Predictive Enterprise Manager，在服务端clementine没有复杂的管理工具，一般的数据挖掘人员通过客户端完成所有工作。

下面就是clementine客户端的界面。

一看到上面这个界面，我相信只要是使用过SSIS+SSAS部署数据挖掘模型的，应该已经明白了六、七分。

是否以跃跃欲试了呢，别急，精彩的还在后面 ^_’项目区顾名思义，是对项目的管理，提供了两种视图。

其中CRISP-DM （Cross Industry Standard Process for Data Mining，数据挖掘跨行业标准流程）是由SPSS、DaimlerChrysler（戴姆勒克莱斯勒，汽车公司）、NCR（就是那个拥有Teradata的公司）共同提出的。

Clementine里通过组织CRISP-DM的六个步骤完成项目。

在项目中可以加入流、节点、输出、模型等。

工具栏工具栏总包括了ETL、数据分析、挖掘模型工具，工具可以加入到数据流设计区中，跟SSIS中的数据流非常相似。

Clementine中有6类工具。

源工具（Sources）相当SSIS数据流中的源组件啦，clementine支持的数据源有数据库、平面文件、Excel、维度数据、SAS数据、用户输入等。

记录操作（Record Ops）和字段操作（Field Ops）相当于SSIS数据流的转换组件，Record Ops是对数据行转换，Field Ops是对列转换，有些类型SSIS的异步输出转换和同步输出转换（关于SSIS异步和同步输出的概念，详见拙作：）。

数据挖掘软件SPSS Clementine 12安装教程SPSS Clementine 12安装包比较特殊，是采用ISO格式的，而且中文补丁、文本挖掘模块都是分开的，对于初次安装者来说比较困难。

本片文章将对该软件的安装过程进行详细介绍，相信大家只要按照本文的安装说明一步一步操作即可顺利完成软件的安装和破解。

步骤一：安装前准备1、获取程序安装包SPSS Clementine 12的安装包获取的方法比较多，常用的方法是通过baidu或google搜索关键词，从给出的一些上进行下载。

为了方便大家安装，这里给出几个固定的下载供大家安装：论坛上下载：.kddchina./thread-538-1-1.html百度网盘：pan.baidu./s/1pEcS9提取密码：rhor腾讯微云：/OVYtFW相信这么多下载方式大家一定能成功获得安装程序的。

2、ISO文件查看工具由于程序安装包是ISO光盘镜像形式的，如果你的操作系统是win8之前的系统，那么就需要安装能够打开提取ISO文件的工具软件了。

在此推荐UltraISO这款软件，主要是既能满足我们的需要，而且文件又较小，安装方便。

这里提供几个下载UltraISO程序的地址：百度网盘pan.baidu./s/1mqkmN腾讯微云：pan.baidu./s/1qZY5GUltraISO安装成功后在计算机资源管理器中可以看到如下虚拟光驱的图标（接下来需要用到）右键点击该图标可以看到如下的一些选项，点击“加载”，选择相应的ISO文件就可以将文件加载到虚拟光驱中并打开。

步骤二：安装Clementine 121、安装Clementine 12主程序在计算机资源管理器中右键“CD驱动器”>>UtraISO>>加载，选择”SPSS_Clementine_v12.0-CYGiSO.bin”这个文件然后在打开计算机资源管理器可以看到如下情况双击打开，选择setup.exe运行，在弹出框中选择第一个选项（Install Clementine）即可，然后依次完成安装过程。

实验一、数据挖掘的流程实验目的理解数据挖掘的流程，学会用SQL Server 2005BI和SPSS Clementine软件进行数据挖掘的操作。

实验内容1.软件的安装2.在网上收集适合关联规则、聚类分析和分类的数据。

3.不同格式的数据转换（*.sav/*.csv/*.xls等）。

4.熟悉SSAS和Clementine中数据挖掘的整个流程。

实验步骤一、SQL Server 2005 BI部分1、SQL SEVER 2005 安装（回去自己学习安装，机房已经安装）1）SQL Server 2005的一般部署步骤当你第一次把SQLServer2005的CD或者DVD光盘放到Server里的时候，你会看到一个引导窗口（图A），上面是产品介绍和运行须知。

图ASQLServer2005的引导页面。

要注意的是，即使你是用单张DVD进行安装，这个页面顶部的文字显示的还是“光盘1／2（Disc 1 of 2）”。

要开始安装，就要选择“安装（Install）”标题下的“Server组件、工具、在线工具书和示例（Server components, tools, Books Online, and samples）”选项。

弹出的第一个画面是产品的最终用户许可证协议。

你需要勾选“我接受协议条款和条件（I accept the licensing terms and conditions）”，点击“下一步（Next）”按钮继续。

我在这里就不列出许可证页面了。

你对此可能已经很熟悉了。

下一个画面（图B）显示的是安装程序要提前安装的一些程序。

.NET框架2.0是这里的关键。

如果你决定在同一台Server上安装SQLServer2005以及其他应用程序，那就要确保它们都能够使用这个框架。

点击“安装（Install）”按钮来安装这些项目。

当这些项目安装完毕后，你可以点击“下一步”按钮。

图B当所有需要预先安装的程序都安装到你的系统里之后，SQLServer2005的安装向导就会启动。

数据挖掘工具（一）SPSS Clementine18082607 洪丹Clementine是ISL(Integral Solutions Limited)公司开发的数据挖掘工具平台。

1999年SPSS公司收购了ISL公司，对Clementine产品进行重新整合和开发，现在Clementine已经成为SPSS公司的又一亮点。

作为一个数据挖掘平台， Clementine结合商业技术可以快速建立预测性模型，进而应用到商业活动中，帮助人们改进决策过程。

强大的数据挖掘功能和显著的投资回报率使得Clementine在业界久负盛誉。

同那些仅仅着重于模型的外在表现而忽略了数据挖掘在整个业务流程中的应用价值的其它数据挖掘工具相比， Clementine其功能强大的数据挖掘算法，使数据挖掘贯穿业务流程的始终，在缩短投资回报周期的同时极大提高了投资回报率。

近年来,数据挖掘技术越来越多的投入工程统计和商业运筹,国外各大数据开发公司陆续推出了一些先进的挖掘工具,其中spss公司的Clementine软件以其简单的操作,强大的算法库和完善的操作流程成为了市场占有率最高的通用数据挖掘软件。

本文通过对其界面、算法、操作流程的介绍，具体实例解析以及与同类软件的比较测评来解析该数据挖掘软件。

1.1 关于数据挖掘数据挖掘有很多种定义与解释，例如“识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。

” 1、大体上看，数据挖掘可以视为机器学习和数据库的交叉，它主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。

2、数据挖掘的意义却不限于此，尽管数据挖掘技术的诞生源于对数据库管理的优化和改进，但时至今日数据挖掘技术已成为了一门独立学科，过多的依赖数据库存储信息，以数据库已有数据为研究主体，尝试寻找算法挖掘其中的数据关系严重影响了数据挖掘技术的发展和创新。

尽管有了数据仓库的存在可以分析整理出已有数据中的敏感数据为数据挖掘所用，但数据挖掘技术却仍然没有完全舒展开拳脚，释放出其巨大的能量，可怜的数据适用率（即可用于数据挖掘的数据占数据库总数据的比率）导致了数据挖掘预测准确率与实用性的下降。

SPSS Clementine是Spss公司收购ISL获得的数据挖掘工具。

在Gartner的客户数据挖掘工具评估中，仅有两家厂商被列为领导者：SAS和SPSS。

SAS获得了最高ability to execute评分，代表着SAS在市场执行、推广、认知方面有最佳表现；而SPSS获得了最高的completeness of vision，表明SPSS在技术创新方面遥遥领先。

客户端基本界面SPSS Clementine（在此简称clementine）在安装好后会自动启用服务，服务端的管理需要使用SPSS Predictive Enterprise Manager，在服务端clementine没有复杂的管理工具，一般的数据挖掘人员通过客户端完成所有工作。

下面就是clementine客户端的界面。

一看到上面这个界面，我相信只要是使用过SSIS+SSAS部署数据挖掘模型的，应该已经明白了六、七分。

是否以跃跃欲试了呢，别急，精彩的还在后面^_’项目区顾名思义，是对项目的管理，提供了两种视图。

其中CRISP-DM （Cross Industry Standard Process for Data Mining，数据挖掘跨行业标准流程）是由SPSS、DaimlerChrysler（戴姆勒克莱斯勒，汽车公司）、NCR（就是那个拥有Teradata的公司）共同提出的。

Clementine里通过组织CRISP-DM的六个步骤完成项目。

在项目中可以加入流、节点、输出、模型等。

工具栏工具栏总包括了ETL、数据分析、挖掘模型工具，工具可以加入到数据流设计区中，跟SSIS中的数据流非常相似。

Clementine中有6类工具。

源工具（Sources）相当SSIS数据流中的源组件啦，clementine支持的数据源有数据库、平面文件、Excel、维度数据、SAS数据、用户输入等。

记录操作（Record Ops）和字段操作（Field Ops）相当于SSIS数据流的转换组件，Record Ops是对数据行转换，Field Ops是对列转换，有些类型SSIS的异步输出转换和同步输出转换（关于SSIS异步和同步输出的概念，详见拙作：/esestt/archive/2007/06/03/769411.html）。

数据挖掘软件SPSS Clementine 12安装教程SPSS Clementine 12安装包比较特殊，是采用ISO格式的，而且中文补丁、文本挖掘模块都是分开的，对于初次安装者来说比较困难。

本片文章将对该软件的安装过程进行详细介绍，相信大家只要按照本文的安装说明一步一步操作即可顺利完成软件的安装和破解。

步骤一：安装前准备1、获取程序安装包SPSS Clementine 12的安装包获取的方法比较多，常用的方法是通过baidu或google搜索关键词，从给出的一些上进行下载。

为了方便大家安装，这里给出几个固定的下载供大家安装：论坛上下载：.kddchina./thread-538-1-1.html百度网盘：pan.baidu./s/1pEcS9提取密码：rhor腾讯微云：/OVYtFW相信这么多下载方式大家一定能成功获得安装程序的。

2、ISO文件查看工具由于程序安装包是ISO光盘镜像形式的，如果你的操作系统是win8之前的系统，那么就需要安装能够打开提取ISO文件的工具软件了。

在此推荐UltraISO这款软件，主要是既能满足我们的需要，而且文件又较小，安装方便。

这里提供几个下载UltraISO程序的地址：百度网盘pan.baidu./s/1mqkmN腾讯微云：pan.baidu./s/1qZY5GUltraISO安装成功后在计算机资源管理器中可以看到如下虚拟光驱的图标（接下来需要用到）右键点击该图标可以看到如下的一些选项，点击“加载”，选择相应的ISO文件就可以将文件加载到虚拟光驱中并打开。

步骤二：安装Clementine 121、安装Clementine 12主程序在计算机资源管理器中右键“CD驱动器”>>UtraISO>>加载，选择”SPSS_Clementine_v12.0-CYGiSO.bin”这个文件然后在打开计算机资源管理器可以看到如下情况双击打开，选择setup.exe运行，在弹出框中选择第一个选项（Install Clementine）即可，然后依次完成安装过程。

SPSS安装步骤
SPSS安装步骤
1.复制压缩文件
将“行业数据统计软件.SPSS.PASW.Statistics.v18.Multilingual-EQUiNOX.zip”压缩文件从U盘拷贝到你的电脑上。

2.解压缩文件
将拷贝好的压缩文件解压到“行业数据统计软件SPSS”文件夹。

3.进入“行业数据统计软件SPSS”文件夹
完成解压后，点击并进入“行业数据统计软件SPSS”文件夹。

4.点击Setup开始安装
接着点击并进入setup文件夹，找到setup.exe之后，双击它，开始安装。

5.复制EQX中的文件
安装完毕后，回到“行业数据统计软件SPSS”文件夹，点击并进入EQX文件夹，选择并复制EQX文件夹中的五个文件。

6.拷贝
找到SPSS安装文件的根目录，在根目录下拷贝所复制的EQX中的五个文件。

7.设立桌面SPSS快捷方式
在根目录下找到“paswstat.ext”，将其发送到桌面快捷方式。

8.安装完毕，可以使用了。

SPSS Modeler 软件简介SPSS Modeler原名Clementine，是一个业界领先的数据挖掘平台。

SPSS Modeler强大的数据挖掘功能将复杂的统计方法和机器学习技术应用到数据当中，帮助客户揭示了隐藏在交易系统或企业资源计划（ERP）、结构数据库和普通文件中的模式和趋势，让客户始终站在行业发展的前端，显著的投资回报率使得SPSS Modeler在业界久负盛誉。

同那些仅仅着重于模型的外在表现而忽略了数据挖掘在整个业务流程中的应用价值的其它数据挖掘工具相比，SPSS Modeler其功能强大的数据挖掘算法，使数据挖掘贯穿业务流程的始终，在缩短投资回报周期的同时极大提高了投资回报率。

SPSS Modeler 使您的企业在多方面受益。

例如，您可以：■改善客户获得和保持；■提高客户的生命周期价值；■识别并最小化风险和欺诈；■给不同的客户提供个性化服务；SPSS Modeler拥有直观的操作界面、自动化的数据准备和成熟的预测分析模型，结合商业技术可以快速建立预测性模型，进而应用到商业活动中，帮助人们改进决策过程。

应用SPSS Modeler获得的预测洞察力，引导客户与企业实时交互，并实现企业内共享这些洞察力。

SPSS Modeler以其卓越的分析能力、可视化的操作方式、高度可扩展性受到全世界数据挖掘人员和企业用户的青睐。

使用SPSS Modeler，您可以：■轻松获取、准备以及整合结构化数据和文本、网页、调查数据；■快速建立和评估模型，使用SPSS Modeler提供的最高级的统计分析和机器学习技术；■按照计划或者实时，把洞察力和预测模型有效地部署到系统中或者发送给决策者；SPSS Modeler具有许多独特的性能，这使得它成为当今企业预测分析的理想选择。

SPSS Modeler 软件功能SPSS Modeler 原名Clementine，是一个久享盛誉的数据挖掘平台，全面支持数据挖掘CRISP-DM的标准流程。

一,Clementine数据挖掘的基本思想数据挖掘(Data Mining)是从大量的,不完全的,有噪声的,模糊的,随机的实际应用数 据中,提取隐含在其中的,人们事先不知道的,但又是潜在有用的信息和知识的过程,它是一 种深层次的数据分析方法.随着科技的发展,数据挖掘不再只依赖在线分析等传统的分析方法. 它结合了人工智能(AI)和统计分析的长处,利用人工智能技术和统计的应用程序,并把这些 高深复杂的技术封装起来,使人们不用自己掌握这些技术也能完成同样的功能,并且更专注于 自己所要解决的问题. Clementine为我们提供了大量的人工智能,统计分析的模型(神经网络,关联分析,聚类分 析,因子分析等) ,并用基于图形化的界面为我们认识,了解,熟悉这个软件提供了方便.除了 这些Clementine还拥有优良的数据挖掘设计思想, 正是因为有了这个工作思想, 我们每一步的工 作也变得很清晰. (如图一所示)图一CRISP-DM process model如图可知,CRISP-DM Model包含了六个步骤,并用箭头指示了步骤间的执行顺序.这些顺 序并不严格,用户可以根据实际的需要反向执行某个步骤,也可以跳过某些步骤不予执行.通 过对这些步骤的执行,我们也涵盖了数据挖掘的关键部分. Business understanding:商业理解阶段应算是数据挖掘中最重要的一个部分,在这个阶段 里我们需要明确商业目标,评估商业环境,确定挖掘目标以及产生一个项目计划. Data understanding:数据是我们挖掘过程的"原材料",在数据理解过程中我们要知道都有些什么数据,这些 数据的特征是什么,可以通过对数据的描述性分析得到数据的特点. Date preparation:在数据准备阶段我们需要对数据作出选择,清洗,重建,合并等工作. 选出要进行分析的数据,并对不符合模型输入要求的数据进行规范化操作. Modeling:建模过程也是数据挖掘中一个比较重要的过程.我们需要根据分析目的选出适 合的模型工具,通过样本建立模型并对模型进行评估. Evaluation: 并不是每一次建模都能与我们的目的吻合, 评价阶段旨在对建模结果进行评估, 对效果较差的结果我们需要分析原因,有时还需要返回前面的步骤对挖掘过程重新定义. Deployment:这个阶段是用建立的模型去解决实际中遇到的问题,它还包括了监督,维持, 产生最终报表,重新评估模型等过程.二,Clementine的基本操作方法1,操作界面的介绍图二 Clementine操作界面 1.1数据流程区 Clementine在进行数据挖掘时是基于数据流程形式,从读入数据到最后的结果显示都是由 流程图的形式显示在数据流程区内.数据的流向通过箭头表示,每一个结点都定义了对数据的 不同操作,将各种操作组合在一起便形成了一条通向目标的路径. 数据流程区是整个操作界面中最大的部分,整个建模过程以及对模型的操作都将在这个区 域内执行.我们可以通过File-new stream新建一个空白的数据流,也可以打开已有的数据流. 所有在一个运行期内打开的数据流都将保存在管理器的Stream栏下. 1.2选项面板 选项面板横跨于Clementine操作界面的下部, 它被分为Favorites, Sources, Record Ops, Fields Ops,Graphs,Modeling,Output七个栏,其中每个栏目包含了具有相关功能的结点. 结点是数据流的基本组成部分,每一个结点拥有不同的数据处理功能.设置不同的栏是为了将 不同功能的结点分组,下面我们介绍各个栏的作用. Sources:该栏包含了能读入数据到Clementine的结点.例如Var. File结点读取自由格式的文 本文件到Clementine,SPSS File读取spss文件到Clementine. Record Ops: 该栏包含的结点能对数据记录进行操作. 例如筛选出满足条件的记录 (select) , 将来自不同数据源的数据合并在一起(merge) ,向数据文件中添加记录(append)等. Fields Ops:该栏包含了能对字段进行操作的结点.例如过滤字段(filter)能让被过滤的字段不作为模型的输入,derive结点能根据用户定义生成新的字段,同时我们还可以定义字段的数 据格式. Graphs:该栏包含了纵多的图形结点,这些结点用于在建模前或建模后将数据由图形形式 输出. Modeling:该栏包含了各种已封装好的模型,例如神经网络(Neural Net) ,决策树(C5.0) 等. 这些模型能完成预测 (Neural Net, Regression, Logistic ) 分类 , (C5.0, C&R Tree, Kohonen, K-means,Twostep) ,关联分析(Apriori,GRI,Sequece)等功能. Output:该栏提供了许多能输出数据,模型结果的结点,用户不仅可以直接在Clementine 中查看输出结果,也可以输出到其他应用程序中查看,例如SPSS和Excel.Favorites:该栏放置了用户经常使用的结点,方便用户操作.用户可以自定义其Favorites 栏,操作方法为:选中菜单栏的Tools,在下拉菜单中选择Favorites,在弹出的Palette Manager 中选中要放入Favorites栏中的结点. 图三 Favorites栏的设置 1.3管理器管理器中共包含了Streams,Outputs,Models三个栏.其中Streams中放置了运行期内打开的 所有数据流,可以通过右键单击数据流名对数据流进行保存,设置属性等操作.Outputs中包含 了运行数据流时所有的输出结果,可以通过双击结果名查看输出的结果.Models中包含了模型 的运行结果,我们可以右键单击该模型从弹出的Browse中查看模型结果,也可以将模型结果加入到数据流中.图四 管理器窗口中对stream的设置 1.4项目窗口的介绍 项目窗口含有两个选项栏,一个是CRISP-DM,一个是Classes.CRISP-DM的设置是基于CRISP-DM Model的思想,它方便用户存放在挖掘各个阶段形成的 文件.由右键单击阶段名,可以选择生成该阶段要拥有的文件,也可以打开已存在的文件将其 放入该阶段.这样做的好处是使用户对数据挖掘过程一目了然,也有利于对它进行修改.图五 将各阶段的文件归类 Classes窗口具有同CRISP-DM窗口相似的作用,它的分类不是基于挖掘的各个过程,而是 基于存储的文件类型.例如数据流文件,结点文件,图表文件等.2,数据流基本操作的介绍2.1生成数据流的基本过程数据流是由一系列的结点组成,当数据通过每个结点时,结点对它进行定义好的操作.我 们在建立数据流是通常遵循以下四步: ①,向数据流程区增添新的结点; ②,将这些结点连接到数据流中; ③,设定数据结点或数据流的功能; ④,运行数据流. 2.2向数据流程区添/删结点 当向数据流程区添加新的结点时,我们有下面三种方法遵循: ①,双击结点面板中待添加的结点; ②,左键按住待添加结点,将其拖到数据流程区内; ③,选中结点面板中待添加的结点,将鼠标放入数据流程区,在鼠标变为十字形时单击数 据流程区. 通过上面三种方法我们都将发现选中的结点出现在了数据流程区内. 当我们不再需要数据流程区内的某个结点时,可以通过以下两种方法来删除: ①左键单击待删除的结点,用delete删除; ②右键单击待删除的结点,在出现的菜单中选择delete. 2.3将结点连接到数据流中 上面我们介绍了将结点添加到数据流程区的方法,然而要使结点真正发挥作用,我们需要 把结点连接到数据流中.以下有三种可将结点连接到数据流中的方法: ①,双击结点 左键选中数据流中要连接新结点的结点(起始结点) ,双击结点面板中要连 接入数据流的结点(目标结点) ,这样便将数据流中的结点与新结点相连接了; 图六 双击目标结点以加入数据流 ②,通过鼠标滑轮连接在工作区内选择两个待连接的结点,用左键选中连接的起始结点,按住鼠标滑轮将其拖曳 到目标结点放开,连接便自动生成. (如果鼠标没有滑轮也选用alt键代替) 图七 由滑轮连接两结点 ③,手动连接 右键单击待连接的起始结点,从弹出的菜单栏中选择Connect.选中Connect后鼠标和起始 结点都出现了连接的标记,用鼠标单击数据流程区内要连接的目标结点,连接便生成.图八 选择菜单栏中的connect 图九 点击要连入的结点 注意:①,第一种连接方法是将选项面板中的结点与数据流相连接,后两种方法是将已在 数据流程区中的结点加入到数据流中 ②,数据读取结点(如SPSS File)不能有前向结点,即在 连接时它只能作为起始结点而不能作为目标结点. 2.4绕过数据流中的结点 当我们暂时不需要数据流中的某个结点时我们可以绕过该结点.在绕过它时,如果该结点 既有输入结点又有输出结点那么它的输入节点和输出结点便直接相连;如果该结点没有输出结 点,那么绕过该结点时与这个结点相连的所有连接便被取消.方法:用鼠标滑轮双击需要绕过的结点或者选择按住alt键,通过用鼠标左键双击该结点来 完成.图十 绕过数据流中的结点 2.5将结点加入已存在的连接中 当我们需要在两个已连接的结点中再加入一个结点时,我们可以采用这种方法将原来的连 接变成两个新的连接.方法:用鼠标滑轮单击欲插入新结点的两结点间的连线,按住它并把他拖到新结点时放手, 新的连接便生成. (在鼠标没有滑轮时亦可用alt键代替) 图十一 将连线拖向新结点图十二 生成两个新的连接 2.6删除连接 当某个连接不再需要时,我们可以通过以下三种方法将它删除: ①,选择待删除的连接,单击右键,从弹出菜单中选择Delete Connection; ②,选择待删除连接的结点,按F3键,删除了所有连接到该结点上的连接;③,选择待删除连接的结点,从主菜单中选择Edit Node Disconnect. 图十三 用右键删除连接 2.7数据流的执行 数据流结构构建好后要通过执行数据流数据才能从读入开始流向各个数据结点.执行数据 流的方法有以下三种:①,选择菜单栏中的按钮,数据流区域内的所有数据流将被执行;②,先选择要输出的数据流,再选择菜单栏中的按钮,被选的数据流将被执行; ③,选择要执行的数据流中的输出结点,单击鼠标右键,在弹出的菜单栏中选择Execute选项,执行被选中的数据流.图十四 执行数据流的方法三,模型建立在这部分我们将介绍五种分析方法的建立过程, 它们分别是因子分析, 关联分析, 聚类分析, 决策树分析和神经网络.为了方便大家练习,我们将采用Clementine自带的示例,这些示例在 demos文件夹中均可找到,它们的数据文件也在demos文件夹中.在模型建立过程中我们将介绍 各个结点的作用.1,因子分析(factor. str)示例factor.str是对孩童的玩具使用情况的描述,它一共有76个字段.过多的字段不仅增添了 分析的复杂性,而且字段之间还可能存在一定的相关性,于是我们无需使用全部字段来描述样 本信息.下面我们将介绍用Clementine进行因子分析的步骤: Step一:读入数据Source栏中的结点提供了读入数据的功能,由于玩具的信息存储为toy_train.sav,所以我们 需要使用SPSS File结点来读入数据.双击SPSS File结点使之添加到数据流程区内,双击添加到数据流程区里的SPSS File结点,由此来设置该结点的属性. 在属性设置时,单击Import file栏右侧的按钮,选择要加载到数据流中进行分析的文件,这 里选择toy_train.sav.单击Annotations页,在name栏中选择custom选项并在其右侧的文本框中输 入自定义的结点名称.这里我们按照原示例输入toy_train. Step二:设置字段属性进行因子分析时我们需要了解字段间的相关性,但并不是所有字段都需要进行相关性 分析,比如"序号"字段,所以需要我们将要进行因子分析的字段挑选出来.Field Ops栏中 的Type结点具有设置各字段数据类型,选择字段在机器学习中的的输入/输出属性等功能, 我们利用该结点选择要进行因子分析的字段.首先,将Type结点加入到数据流中,双击该 结点对其进行属性设置: 由上图可看出数据文件中所有的字段名显示在了Field栏中,Type表示了每个字段的数 据类型. 我们不需要为每个字段设定数据类型, 只需从Values栏中的下拉菜单中选择<Read> 项,然后选择Read Value键,软件将自动读入数据和数据类型;Missing栏是在数据有缺失 时选择是否用Blank填充该字段;Check栏选择是否判断该字段数据的合理性;而Direction 栏在机器学习模型的建立中具有相当重要的作用,通过对它的设置我们可将字段设为输入/ 输出/输入且输出/非输入亦非输出四种类型.在这里我们将前19个字段的Direction设置为 none,这表明在因子分析我们不将这前19个字段列入考虑,从第20个字段起我们将以后字 段的direction设置为In,对这些字段进行因子分析. Step三:对数据进行因子分析 因子分析模型在Modeling栏中用PCA/Factor表示.在分析过程中模型需要有大于或等 于两个的字段输入,上一步的Type结点中我们已经设置好了将作为模型输入的字段,这里 我们将PCA/Factor结点连接在Type结点之后不修改它的属性,默认采用主成分分析方法.在建立好这条数据流后我们便可以将它执行.右键单击PCA/Factor结点,在弹出的菜 单栏中选择Execute执行命令.执行结束后,模型结果放在管理器的Models栏中,其标记为 名称为PCA/Factor的黄色结点.右键单击该结果结点,从弹出的菜单中选择Browse选项查看输出结果.由结果可知参 与因子分析的字段被归结为了五个因子变量,其各个样本在这五个因子变量里的得分也在 结果中显示. Step四:显示经过因子分析后的数据表 模型的结果结点也可以加入到数据流中对数据进行操作.我们在数据流程区内选中 Type结点,然后双击管理器Models栏中的PCA/Factor结点,该结点便加入到数据流中. 为了显示经过因子分析后的数据我们可以采用Table结点,该结点将数据由数据表的形式输 出. 4.1为因子变量命名 在将PCA/Factor(结果)结点连接到Table结点之前,用户可以设置不需要显示的字段, 也可以更改因子变量名,为了达到这个目的我们可以添加Field Ops栏中的filter结点.在对filter结点进行属性设置时，Filter项显示了字段的过滤与否，如果需要将某个字段过滤，只需用鼠标单击Filter栏中的箭头，当箭头出现红“×”时该字段便被过滤。