购物篮.docx
- 文档编号:27059149
- 上传时间:2023-06-26
- 格式:DOCX
- 页数:14
- 大小:530.81KB
购物篮.docx
《购物篮.docx》由会员分享,可在线阅读,更多相关《购物篮.docx(14页珍藏版)》请在冰豆网上搜索。
购物篮
2.数据挖掘关联分析—购物篮
实验目的:
根据客户的在线购物篮中已有的其他产品,通过构建购物篮的数据挖掘模型来预测客户可能要购买的产品,从而对客户的消费行为做出预测,公司可根据预测采取相应的政策,来实现公司的收益指标,并且拥有忠实的客户。
实验内容:
1.添加带有嵌套表的数据源视图
2.创建市场篮结构和模型
3.按名称筛选在查看器中显示的项集
4.一般内容树查看器
5.针对嵌套表和针对事例表的筛选器
6.创建单个和多个预测
添加带有嵌套表的数据源视图
若要创建用于分析市场篮的挖掘模型,您必须创建一个新的数据源视图。
该数据源视图还将用于顺序分析和聚类分析方案。
1.选择下列各表,然后单击右箭头将这些表包括在新数据源视图中
vAssocSeqOrdersvAssocSeqLineItems
2.将数据源视图命名为AdventureWorksDW2008.将此名称更改为 Orders
在添加带有嵌套表的数据源视图的过程中,可能由于:
1.没有添加AdventureWorksDW_Data.mdf和vAssocSeqLineItems
2.添加文件的路径不对,从而导致了添加带有嵌套表的数据源视图的时候没有找到所需要的表。
解决方法:
如下
在新建数据源视图之前,必须保证已经将AdventureWorksDW_Log.LDF和AdventureWorksDW_Data.mdf这两个文件添加到MicrosoftSQLServerManagementStudio中如图:
否则你将AdventureWorksDW.ds导入到数据源中,也就无法在新建数据源视图中导入表vAssocSeqOrders和vAssocSeqLineItems。
创建市场篮结构和模型
在新建挖掘结构时,在“创建数据挖掘结构”页的“您要使用何种数据挖掘技术?
”下,选中列表中的“Microsoft关联规则”,“选择数据源视图”页随即显示。
在“可用数据源视图”下选择Orders,在“指定表类型”页上,为vAssocSeqLineItems选中“嵌套”复选框。
为vAssocSeqOrders选中“事例”复选框。
在“指定定型数据”页中,清除任何可能处于选中状态的复选框。
通过选中OrderNumber旁边的“键”复选框,为事例表vAssocSeqOrders设置键。
选中Model旁边的“键”复选框,为嵌套表vAssocSeqLineItems设置键。
选中“输入”复选框。
对于“模型”也选中“可预测”复选框。
最后,选中IncomeGroup和Region左侧的复选框。
10.在“指定列的内容和数据类型”页上,查看的内容(如下表)
列
内容类型
数据类型
IncomeGroup
Discrete
Text
OrderNumber
Key
Text
Region
Discrete
Text
vAssocSeqLineItems
Model
Key
Text
调整Association模型的参数
1.打开数据挖掘设计器的“挖掘模型”选项卡
2.右键单击设计器的网格中的“关联”列,然后选择“设置算法参数以打开算法参数”对话框。
3.在“算法参数”对话框的“值”列中,设置以下参数:
MINIMUM_PROBABILITY=0.1MINIMUM_SUPPORT=0.01
4.单击“确定”。
再在Microsoft关联规则查看器中打开关联模式
在解决方案资源管理器中,双击关联结构。
1.在数据挖掘设计器中,单击“挖掘模型查看器”选项卡。
2.从“挖掘模型”下拉列表中的挖掘模型列表中选择关联。
3.在“挖掘模型查看器”选项卡中,单击“依赖关系网络”选项卡。
在查看器的左侧,重新向上拖动滑块,移到中间位置,如下图
查看关系网络:
按名称筛选在查看器中显示的项集
单击查看器的“项集”选项卡。
1.在“筛选项集”框中,键入TouringTire,然后在框外部单击
2.在“显示”列表中,选择“仅显示属性名称”。
3.选中“显示长名称”复选框。
4.“支持”列中的值指示每个项集的事务的数量。
项集的事务表示该购买包括项集中的所有项。
5.查找TouringTire项(没有第二项)。
6.右键单击TouringTire,选择“钻取”,然后选择“模型和结构列”。
“钻取”对话框显示用作此项集的支持的各个事务。
7.展开嵌套表vAssocSeqLineItems可以查看事务中的实际购买列表。
8.在“最低支持”框中键入100,然后单击查看器的背景。
“规则”选项卡
仅查看包括Mountain-200自行车的规则
1.在“挖掘模型查看器”选项卡中,单击“规则”选项卡
2.在“筛选规则”框中,输入Mountain-200。
清除“显示长名称”复选框。
3.从“显示”列表中,选择“仅显示属性名称”
4.选择“钻取”,然后选择“仅限模型列”或“模型和结构列”。
查看器显示,Mountain水壶套预测了水壶和Mountain-200自行车,而水壶和Mountain-200自行车也预测了Mountain水壶套。
如果某个客户购买了自行车,则他也可能会购买水壶套和水壶。
一般内容树查看器
内容树是挖掘模型的表示形式,由一系列节点组成,其中每个节点都表示与数据的某一子集相关的已发现的知识。
节点可以包含一种模式、一组规则、一个群集或共享某些特性的日期范围的定义。
根据算法和可预测属性的类型的不同,节点的具体内容也会不同,但内容的通用表示形式是相同的。
针对嵌套表和针对事例表的筛选器
启用钻取并处理筛选后的模型
1.在“挖掘模型”选项卡中,右键单击AssociationFiltered模型并选择“属性”。
2.将AllowDrillThrough属性更改为True。
右键单击AssociationFiltered挖掘模型选择“处理模型”。
3.在出现的错误消息中单击“是”,以将新模型部署到AnalysisServices数据库中。
4.在“处理挖掘结构”对话框中,单击“运行”。
5.处理完成后,单击“关闭”退出“处理进度”对话框,然后再次单击“关闭”退出“处理挖掘结构”对话框。
创建单独预测查询
关联预测可用于多种用途,例如向客户推荐商品,或者找出产品之间的关系。
若要生成预测查询,请先选择要使用的关联模型,然后指定输入数据。
输入可以来自外部数据源(例如值列表),也可以生成单独查询并随时提供值。
结果如下:
创建多个预测:
根据以往的购买情况了解每个客户的最佳预测。
可以使用外部数据作为预测查询的输入,例如包含客户ID和最近产品购买情况的表。
查询结果:
实验心得:
通过在客户的在线购物篮中的数据建立一个购物篮的数据挖掘模型,用现有的数据来预测客户可能要购买的产品,来对市场的消费行为作一个准确的预测,实现了公司的运行目标和公司的销售业绩。
并在此历史数据库的基础上建立数据模型,来对未来的消费市场做一个可靠的预测。
在建立好的数据模型的基础上,就可以以数据模型为标准来进行关联预测,查找可能存在的其他销售收入,为客户提供最佳的服务,通过切实可行的分析与预测,就可以预测出客户的购买情况,为企业制定新的措施和政策提供准确的依据,从而使得企业销售有了科学的方法,节约了成本,扩大了规模,增加了收益。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 购物