sql server 建立决策树模型

sql server 建立决策树模型

       在之前的系列中，介绍了如何导入数据源，不论是excel文件还是其它的数据源，都可以作为我们的数据来源来导入，那么，本文就根据之前导入的数据在sql server 建立决策树模型，并且对测试数据进行结果预测，原理部分，请参看其他博文，和前面一样，仍然采用截图的方式来描述过程。

        在"BI"里面建立一个决策树项目，在”视图“选项下打开”解决方案资源管理器“，打开后，如图所示：

然后，新建数据源：

        

由于之前已经导入了数据到ML_DM数据库，因此，这里默认选择即可，如果是其他数据库，且未导入，则选择”新建“，进行数据库的导入即可。进入下一步：

这样便完成了数据源的建立。

接下来定义数据源视图，需要两个数据源视图，一个一个来完成，首先先建立训练数据源视图：

这样训练数据源视图就定义好了，如图：

用同样的方法，定义测试数据源视图，定义完成后，如下图所示：

接下来建立挖掘结构：

注意，这里选择”主键“，和输入变量，由于我们所建立的是关于用户是否购买电脑，因此把这个字段设为要预测的，而其他的字段作为输入。

注意，在这里，由于我们有测试数据，因此这里的数据全部作为训练数据，因此选择测试数据的百分比为0

选择挖掘模型，设置算法参数：

注意，这里参数选择可以自行设置，可以”经验性的“进行调参，关于参数描述，可以看这个网址：https://technet.microsoft.com/zh-cn/library/cc645868(v=sql.105).aspx/html

这里稍微解释下：由于数据量比较小，因此把"COMPLEXITY_PENALTY"设定为0.01，如果这个参数值过大，则不会拆分结点，导致无法建立决策树；将"MINIMUM_SUPPORT"设定为2，因为这里的叶子结点中最少的事件数为2，即”买电脑“或者”不买电脑“两种类别。将”SCORE_METHOD“参数值设为1，表示采用信息熵作为属性选择的启发信息。

接下来进行部署：

点击浏览

接下来，进行预测：

单击”挖掘模型预测“选项，选择事例表：

设置"class_buy_computer"字段为模型，进行预测。

现在进入最后一步，在任意空白处右击并在下拉菜单中选择”结果“选项，出现如下图所示的分类结果：

这样便对我们测试数据中的数据进行了结果的预测。这便是决策树模型的建立与模型预测过程。关于模型的预测过程，其他模型的过程一样，在后面，我会介绍关于贝叶斯模型的建立过程。