客户关系管理实验二.doc

实 验（实训）报 告项 目 名 称 C&RT决策树与贝叶斯网络分析 所属课程名称 客户关系管理 项 目 类 型 操作型 实验(实训)日期 班 级 11信息2 学 号 100104100246 姓 名 陈红伟 指导教师 陈远高 浙江财经学院教务处制一、实验（实训）概述：【目的及要求】目的： 熟悉Clementine数据流的构建过程，掌握决策树和贝叶斯网络模型在客户分析中的应用。要求：根据实验步骤完成数据流建立，并获得分析结果。实验结束后提交实验报告。【基本原理】数据挖掘流程；决策树模型；贝叶斯网络模型【实施环境】（使用的材料、设备、软件）Windows操作系统，Modeler 14.1二、实验（实训）内容：【项目内容】应用Modeler 14.1的决策树模型（C&RT）与贝叶斯网络模型进行客户数据分析，获得客户分类结果。【方案设计】注意：在建模操作过程中，将模型名称修改为自己的学号+姓名。应用exp2.xls数据，预测产生服务预订行为(是否预订本服务=1)的客户特征。a) 选择性别为女性的顾客，使用C&RT模型进行预测，设置好树的停止生长条件，生成决策树，找出决策树中索引指数最高的两个节点，并分析这些最可能预订服务的客户特征；分析模型预测准确性。b) 按照自己学号最后两位，随机抽取该比例加30%的数据记录（学号为1号，抽取31%的数据记录），使用特征选择模型选取重要性大于等于1的字段，使用贝叶斯网络模型获得贝叶斯网络图；分析模型预测准确性。【实验（实训）过程】（步骤、记录、数据、程序等）a)1. 选择“Excel”型源节点，并导入实验数据；2. 选择“字段选项”下的“类型”节点，设置数据的测量类型3. 选择“记录选项”下的“选择节点”，设置选择条件，筛选出性别为女的记录、4. 选择“建模”选项卡下的“C&R树”，设置为：启动交互会话，父分支中的最小记录数为20，子分支中的最小记录数为10，模型名称为 100104100246陈红伟，运行模型5. 生成决策树，选择“增益”选项卡，选择“目标类别”为“1.0”6. 索引指数最高的两个节点分别为节点19（111.43%），节点29（111.43%）7. 节点19的客户具有以下特征：工作年限在25年以下，家庭收入档次在2-3档之间,拥有个人电脑并且使用网络服务；8. 节点29的客户具有以下特征：年龄在58.5岁以下，工作年限在12.5年以上，拥有个人电脑，使用网络服务和传呼服务；生成模型，选择“输出”选项卡的“分析”节点并运行；9. 模型预测的正确率和错误率分别为90.22%和9.78%，模型预测准确高。b)1. 数据导入，类型设置同a),选择“记录选项”选项卡下的“样本”节点，抽取76%（46+30）的数据样本2. 选择并运行“模型”选项卡下的“特征选择”节点3. 选择所有重要性大于等于1.0的字段4. 选择“模型”选项卡下的“贝叶斯图”节点，5. 设置模型名称，并运行，生成贝叶斯图；6. 选择“输出”选项卡下的“分析”节点，7. 贝叶斯模型的准确率为90.07%，错误率为9.93%，模型的预测准确性较高。【结论】（结果、分析）三、指导教师评语及成绩：评语