---

一、实验目的

  通过本实验，进一步理解决策树算法、朴素贝叶斯算法进行分类的原理，并掌握利用Sql Server等工具平台进行分类规则挖掘的方法，掌握挖掘结构、挖掘模型的基本概念，能够使用数据挖掘向导创建数据挖掘结构和模型，掌握数据挖掘设计器的使用方法，掌握模型查看器方法 ，理解分类规则挖掘常用的参数含义和设置方法。

二、实验内容和要求

  针对实际需求，构建格式规范的数据集，并能够借助于SQL Server、Weka、SPSS等工具平台，利用决策树（Decision tree）算法、朴素贝叶斯(Naïve Bayes)算法进行分类和预测，正确分析实验结果，完成实验报告。

三、实验步骤

  以下以SQL Server作为工具，完成数据集的构建和分类规则的挖掘（利用决策树分类、朴素贝叶斯分类算法）。——以下内容，仅供参考！

1、创建数据库和表

在SSMS中建立DM数据库（模拟不同群体、不同收入、不同信誉的人群是否购买计算机的事实），分别设计DST表（用于建立分类模型的事例表）、DST1表（用于预测的事例表）。DST表的结构和内容如下所示。

DST1表的结构和DST表相同，被用于预测/验证，DST1的内容如下：

DST1有3条记录，其中“是否购买计算机”列为空，待预测后确定。

2、决策树分类规则挖掘

在 Sql Server Business Intelligence Development Studio (BIDS) 采用如下步骤，基于决策树挖掘分类规则。

（1）新建一个 Analysis Services 项目 jueceshu

定义数据源DM.ds，对应的数据库为前面建立的DM数据库。

（2）建立数据源视图

定义数据源视图DM.dsv，它包含DST表，用于基于决策树建立分类模型；
定义数据源视图DM1.dsv，它包含DST1表，基于建立的决策树分类模型进行预测。

数据源视图DM.dsv：

数据源视图DM1.dsv：

（3）建立挖掘结构 DST.dmm

新建挖掘结构，在“创建数据挖掘结构”页面的“您要使用何种数据挖掘技术？”选项下，选中列表中的“Microsoft决策树”。

选择数据源视图为DM。

在“指定表类型”页面上，在DST表的对应行中选中“事例”复选框，并单击下一步按钮。

在“指定定型数据”页面中，将“编号”列设为键列，把“是否购买计算机”设为可预测列，把其它所有列设为输入列。

在“创建测试集”页面上，“测试数据百分比”选项的默认值为30%，将该选项更改为0.

在完成向导页面的“挖掘结构名称”和“挖掘模型名称”中，都输入DST。

单击“挖掘模型”选项卡，右击“Microsoft_Decision_Trees”选项，在出现的快捷菜单中选择“设置算法参数”命令。将COMPLEXITY_PENALTY，MINIMUM_SUPPORT，SCORE_METHOD，SPLIT_METHOD等参数值进行适当设置。

（4）部署决策树挖掘项目并浏览结果

先处理（部署）、再浏览。

在挖掘模型查看器中，浏览决策树分类的结果。

上面已经建立了决策树分类模型。接下来，就可以利用这个分类模型，对DST1表中3个数据样本的“是否购买计算机”列的值进行预测，步骤如下：

① 单击“挖掘模型预测”选项卡，再单击“选择输入表”对话框中的“选择事例表”命令，指定DM1数据源视图中的DST1表。

② 保持默认的字段连接关系，将DST1表中的各个列拖放到下方的列表中，选中“是否购买计算机”字段前面的“源”，从下拉列表中选择“DST”选项，而其它字段的数据直接来源于DST1表，只有“是否购买计算机”字段是采用前面训练样本集得到的决策树模型来进行预测的。

③ 在任一空白处右击，并在下拉菜单中选择“结果”，出现如下所示的分类结果。

3、朴素贝叶斯分类规则挖掘

  朴素贝叶斯分类的应用，还是基于DM数据库的DST和DST1表，DST用于训练，DST1用于预测，过程此处不再进行描述（预测结果与前面的决策树预测的结果相同），请同学们自行模索。

具体步骤与决策树分类规则挖掘类似：

（1）建立挖掘结构 Bayes.dmm

（2）部署朴素贝叶斯挖掘项目并浏览结果

查看“挖掘模型”：

点击“挖掘模型查看器”：

点击“挖掘模型预测”：

查看预测结果：

预测结果和决策树预测结果相同。

四、实验结果分析

1、决策树

学生中，有87.5%购买计算机；非学生中，58.33%购买计算机。由此可见，学生购买计算机的概率比较大。

在非学生中，收入“高”的有75%购买计算机；收入“中”的有50%购买计算机；收入“低”的有25%购买计算机。由此可见，收入越高，购买计算机的概率越高。

2、依赖关系网络

“学生”和“是否购买计算机”是强关联规则。

五、实验总结体会

  在挖掘数据仓库中的分类规则实验前，需要对数据进行预处理和清洗，确保数据的质量和完整性，数据的完整性和准确性直接影响了挖掘结果的可信度。这包括去除重复值、处理缺失值和异常值等。
  选择合适的特征对于挖掘有效规则至关重要。使用特征选择技术来排除不相关或冗余的特征，以及特征提取技术来创建新的、更有信息量的特征。用特征选择算法来确定最相关的特征，以提高分类模型的准确性和效率。根据实验的目标和数据的特点，选择适合的分类模型。常用的分类算法包括决策树、朴素贝叶斯、支持向量机等。可以通过交叉验证等方法来评估模型的性能。
  决策树是一种基于树形结构的分类算法，通过对特征进行逐步划分来进行决策。易于理解和解释，可视化效果好。适用于离散型和连续型数据，处理分类和回归问题都有效。对数据的预处理要求相对较低，对异常值和缺失值有一定的鲁棒性。可以处理大规模数据集，对于非线性关系的数据有较好的适应能力。能够输出清晰的规则，便于理解和应用。
  朴素贝叶斯是一种基于贝叶斯定理的概率分类算法，假设特征之间相互独立。计算简单，适用于大规模数据集。主要用于文本分类和情感分析等任务，对于高维度数据和稀疏数据表现较好。需要注意处理连续型数据和处理缺失值的方法。训练和预测速度快，对于数据量大、特征维度高的情况下表现优秀。对于噪声数据有一定的鲁棒性。
  在实验结束后，需要对分类模型进行评估。常用的评估指标包括准确率、召回率、F1值等。同时，可以使用混淆矩阵来分析分类结果的详细情况。对于实验结果，需要进行解释和分析。可以通过特征重要性分析、规则提取等方法来理解分类模型的决策过程。