SPSS Modeler数据挖掘学习_部分笔记

数据挖掘是一个过程，是一个以数据为中心的循序渐进的螺旋式数据探索过程。
![上图指出，数据挖掘时一个以数据为核心多个环节紧密相连，循环反复且循序渐进的数据探索过程](https://img-blog.csdnimg.cn/20190404202741100.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjAzMDU3Nw==,size_16,color_FFFFFF,t_70)

一、数据挖掘方法论的各环节：
1.业务理解
2.数据理解

3.数据准备
4.建立模型
5.方案评估
6.方案实施
二、数据挖掘的任务和应用：
1.数据总结
2.分类和回归
3.聚类分析
4.关联分析

三、数据挖掘得到的只是形式：
1.浓缩数据
2.树形图
3.规则
4.数学模型

四、数据挖掘算法的分类：
1.根据算法分析数据的方式划分
2.根据算法来自的学科划分
3.根据算法所得结果的类型划分
4.根据学习过程的类型划分

首先来了解一下Modeler的数据集成：
一、从数据挖掘角度看变量类型：
连续数值型：表示年龄、家庭人口数等。
二分类型，简称分类型：表示性别等。
多分类型，也称名义型：表示职业、籍贯等。
定序型，也称有序型：表示受教育程度、收入水平等。
无类型：学号等编号变量或长文字等复杂数据变量，往往是无类型变量。无类型变量通常不参与数据建模。
离散型。
缺省型：缺省型是一种尚未明确的变量类型。
对于仅指定了变量名而尚未读入变量值的变量，Modeler无法确定其具体类型，默认为缺省型。Modeler称这样的变量处于非实例化状态。

二、从计算机存储角度看变量类型
整数型：用来存储整数
实数型：用来存储小数
字符串型：用来存储字符串数据
时间型：用来存储持续时间数据
日期型：用来存储日期数据
时间戳型：用来存储时间点数据

第一步：首先从源选项卡选择读入数据的类型
第二步：通过记录选项、字段选项对导入的数据进行数据进行清洗和数据变换
第三步：从建模中选择需要用到的模型
第四步：通过导出选项卡里的内容对结果进行展示

SPSS Modeler提供数据集成选项图标如下图所示：

数据清洗：
1.离群点和极端值的调整：
具体步骤：
a、选中某个变量行
b、下拉相应行的【操作】框选择调整方法
Modeler提供了以下离群点和极端值的调整方法：
强制：表示离群点或极端值调整为距它们最近的正常值。
丢弃：表示剔除离群点和极端值。
无效：表适用系统缺失值$null$替代离群点或极端值。
强制替换离群值/丢弃极值：表示按照强制方法修正离群点，并剔除极端值。
强制替换离群值/使极值无效：表示按照强制方法修正离群点，并将极端值调整为系统缺失值$null$
c、选中需要调整的变量行，选择窗口菜单菜单【生成】下的【离群值和极值超节点】。

2、缺失值的调整：
	Modeler对缺失值的修正方法具体步骤是：
		a、选中某个变量行。
		b、下拉相应行的【缺失插补】框选择调整对象。
			【缺失插补】重新指定调整对象：
				空值：表示将对空做调整。
				无效值：表示将对系统缺失值$null$做调整。
				空值与无效值：表示将对空和系统缺失值做调整。
				条件：表示将对满足指定条件的变量值做调整。

在【插补时间】中选择【条件】，并在【条件】框中输入一个CLEM条件表达式，然后在【插补方法】中选择调整方法，包括：
	*固定：为默认值，表示调整为某个固定值。如果选择固定方法，还应在【固定值插补】框的【已固定为】下拉框中选择固定值，可以是均值、中间值、或一个指定的常数。
	*随机：表示调整为一个服从正态分布或均匀分布的随机值。Modeler将给出相应变量的正态分布参数和均匀分布参数。
	*算法：表示调整为模型的预测结果。Modeler只给出了分类回归树模型。
		
		c、选中需要调整的变量行，选择窗口菜单【生成】下的【缺失值超节点】项。
			【缺失值超节点】项表示，Modeler将自动生成一个包含若干个必要节点的超节点，用于根据用户指定的方法进行相应调整。

习惯把学习笔记放在移动硬盘里，结果前一阵硬盘坏了，以后会试着把自己觉得有用的东西慢慢放入博客里，如果有什么不足希望各位看客不吝赐教。
参考书籍《基于SPSS Modeler的数据挖掘_数据分析》