数据的变换和离散化（利用决策树算法实现简单分类）

【项目目的】
1) 对实验数据集数据进行一定的变换，并离散化数据。
【项目原理】
一． 数据的变换
在数据变换中，数据被变换或统一成适合于挖掘的形式。数据变换策略主要有光滑、属性构造、聚集、规范化、离散化和由标称数据产生概念分层。
例如：通过规范化变换数据

二． 数据的离散化
离散化技术可以根据如何进行离散化加以分类。离散化可以分为监督和非监督的离散化，自顶向下离散化（分裂）。数据离散化也是数据归约形式。离散化的方式主要是分箱，直方图分析以及聚类分析，决策树分析，相关分析。
本实验具体使用决策树算法分析鸢尾花瓣的种类
决策树算法：决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。决策树算法构造决策树来发现数据中蕴涵的分类规则．如何构造精度高、规模小的决策树是决策树算法的核心内容。决策树构造可以分两步进行。第一步，决策树的生成：由训练样本集生成决策树的过程。一般情况下，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集。第二步，决策树的剪枝：决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集（称为测试数据集）中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。
三． 使用开源软件KNIME进行挖掘
Knime是基于Eclipse的开源数据挖掘软件，它通过工作流的方式来完成数据仓库以及数据挖掘中数据的抽取-转换-加载操作。其中工作流又是由各个功能便利的结点来完成，节点之间相互独立，可以单独执行并将执行后的数据传给下一个结点
【数据说明】
摘录： Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

【实验步骤】
1. 打开knime软件并且新建项目KNIME-project4。

1. 在knime软件左下方有许多可以供选择的节点。我们需要导入文件，这样在I/O的节点区选择File Reader ，knime软件还提供多种格式的数据集进行分析。选择节点然后拖动到工作区中间。

2. 配置File Reader节点，导入我们的数据。右击点击配置，点击brower 选择到文件所在的路径，之后点击Apply ok完成配置。节点的红灯变成黄灯，右击运行，绿灯则表示导入成功

3. 选择Mining选项下的Decision Tree算法，用到的是训练节点和预测节点，与前一节点连接，完成数据的训练，然后右击点击运行。

4. 之后选择Decision Tree Prediction分别与前面两个节点连接，之后再右击运行这样可以就可以完成预测了

6.为了检测正确率可以使用scorer节点，右击点击apply ok配置之后运行

【项目结果分析】
右击Decision1 Tree Predictor节点，查看决策树模型可视化界面

使用花瓣的宽度和长度对鸢尾花进行划分，
1． 可以清楚地看到首先是宽度是大于还是小于0.6的把数据分成两个部分，小于等于0.6的50朵花全部属于setosa这种花，其他的两种都是大于0.6的。
2. 右边的两种花都是50朵。可以对右边的数据进一步分类。宽度是否大于1.7，可以再一次把右边的数据分成两个部分。小于等于1.7的左侧54朵花，90.7%都是属于versicolor 有49朵花，剩下的5朵花是属于virginica。右侧virginica占据大多数有45朵占97.8%，剩下的一朵是versicolor
3.可以对左侧的数据按照花瓣长度是否大于4.9进行分类。结果左侧48朵小于等于4.9，右侧是有6朵的。左侧47朵花是versicolor，只有一朵花是virginica
4.对右侧的花继续进行划分，看花瓣的宽度是否大于1.5.左侧小于等于1.5的3朵花全是virginica，右侧大于1.5的两朵花是versicolor，剩下的一朵是virginica
5.决策树算法可视化可以很清楚的显示结果，比口述的方便太多，这也是KNIME软件的方便之处。
综上所述可以看出三种花的各自特性。
Setosa的花瓣宽度全部小于等于0.6，
Versicolor的花瓣大部分宽度是0.6至1.7之间，长度是小于4.9的，少数部分是不符合这个区间的
Virginica宽度大部分是大于1.7的
【设计思考题目】
1. 决策树算法可以对数据进行很仔细的分类，从而找出其中的规律，可以推广到哪些行业之中。
个人觉得在销售行业可以大显神通，收集到以往的用户的信息，进行决策树算法的分析分类，可以针对各种用户进行各种产品的合理推送，从而增加推荐的准确性，增加销售业绩。
2. 决策树算法对科学研究有什么作用？
可以运用在统计学和人工智能行业，对数据做出更加精细的分类，提高统计学的方法种类，统计学更加丰富多彩，人工智能也能做出更加准确地判断，会更加的智能化。