大数据与智能商务案例分析-logistics回归、神经网络与聚类分析

实验（实训）报告项目名称logistics回归、神经网络与聚类分析所属课程名称大数据与智能商务项目类型操作型实验(实训)日期2018年3月

一、实验（实训）概述：【目的及要求】目的：熟悉Modeler14.0数据流的构建过程，掌握logistic、神经网络与聚类分析模型的应用。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；logistic模型；神经网络模型、聚类分析模型【实施环境】（使用的材料、设备、软件）Windows操作系统，Modeler14.0二、实验（实训）内容：【项目内容】应用Modeler14.0中的神经网络模型、logistics模型、聚类分析模型进行数据分析。【方案设计】注意：在建模操作过程中，请将生成的模型名称改为自己的学号和姓名。应用exp4.sav数据（见附件），应用以下模型进行分析：应用logistics模型，根据消费者个人基本信息（gender、agecat、distance）和满意因素（price、numitems、org、service、quality）预测顾客总体满意度水平（overall）；应用神经网络模型，根据消费者个人基本信息（gender、agecat、distance）和满意因素（price、numitems、org、service、quality）预测顾客总体满意度水平（overall）；应用聚类模型，进行客户分类，探索不同类别的客户具有哪些不同的特征，哪些类别的客户有更高的总体满意度水平。【实验（实训）过程】（步骤、记录、数据、程序等）a)应用logistics模型来预测顾客总体满意度水平1、导入数据，对数据类型进行定义；2、Gender为分类变量，agecat、distance、NUMITEMS、ORG、SERVICE、QUALITY为有序分类变量，以上这些变量为分类变量，OVERALL为因变量，采用有序logistic进行建模和分析。过程采用：多项式法；模型类型为：主效应；多项式过程采用的方法为：后退法。OVERALL的值为“StronglyNegative”为对照，拟合logistic模型。下图为利用logistic进行建模分析的流程图：b)应用神经网络模型来预测顾客总体满意度水平1、导入数据，对数据类型进行定义；2、Gender为分类变量，agecat、distance、NUMITEMS、ORG、SERVICE、QUALITY为有序分类变量，以上这些变量为分类变量，OVERALL为因变量，将OVERALL设置为目标变量。构建模型选项，选择“创建标准模型”，采用多层感知器，隐藏层采用“自动计算单元数”，置信度基于“下一个最可能导致的概率增加”流程图如下：C）K-Means聚类模型的生成应用聚类模型，对客户分类1、导入数据，对数据类型进行定义；2、Gender为分类变量，agecat、distance、NUMITEMS、ORG、SERVICE、QUALITY为有序分类变量，以上这些变量为分类变量，OVERALL为因变量，将OVERALL设置为目标变量，3.采用聚类K-Means分析建模：以OVERALL为目标字段，根据OVERALL的值，聚为5类。【结论】（结果、分析）a)利用logistic回归探究影响客户满意度的因素下表为模型的拟合分析：由上图，当模型仅包含截取项的时候，AIC的值为1824.454，-2LogLikelihood的值为1816.454，当引入自变量后，AIC的值为1525.549,2LogLikelihood的值为1357.549，AIC的值和-2LogLikelihood均变小，说明模型的拟合度变优。下图为引入logistic回归的自变量，由上图可知，显著性均小于0.05，表明以上自变量对模型均有统计学意义。消费者自身的变量，如：GENDER，AGECAT、DISTANCE等变量均不纳入logistic回归模型。下图是引入模型的变量对的重要性进行分析上图为预测变量的重要性图：由上图可知，service对顾客的满意度的影响因素最大。说明，良好的服务态度对得到顾客较高满意度的答复有重要作用。PRICE，NUMITEMS，QUALITY，ORG也有助于得到顾客购物较高的满意度。消费者自身的变量GENDER、AGECAT、DISTANCE，对顾客购物满意度无影响。表明顾客对购物体验的感官不受自身变量的影响。b)应用神经网络模型来预测顾客满意度水平的结果分析下图为模型概要，由上图可知，模型的预测准确度为43.5%；预测自变量重要性图谱：由上图可知：对消费者满意度影响的因素的作用从大到小，依次为varietysatisfication，service，Pricesatisfication，Itemqualitysatisfication，organizaionsatisfication，distancefromhome，agecategory，gender。下图为：分类的行百分比；由上图可知，此神经网络模型对满意度为当总体满意度为：StronglyNegative时，预测正确率为：43.9%；当总体满意度为“SomewhatNegative”时，正确率为：45.7%；当总体满意度为“Neutral”时，预测正确率为：34.3%；当总体满意度为“SomewhatPositive”时，预测正确率为44.6%；当总体满意度为“StronglyPositive”时，预测的正确率为52.9%。由以上结果可知，此模型对总体满意度高的客户的准确性较高，能达到50%以上，对总体满意度为“Neutral”的准确性预测最差为34.3%。下图为：对应的神经网络元图谱：C）对K-Menas聚类分析法结果的讨论下图为聚类分析图的概要：K-Means聚类的重要性：由上图可知，Pricesatistaction是重要影响因素，distance是最不重要的影响因素。下图为聚类的大小图，分别表示这5种聚类大小的情况下图为每一个类别的基本情况：即每一类别，所含有的这8种变量的占比。由上表可知：聚类1，2,3，4,5分别代表的是OVERALL的值。总结：本次实验，根据消费者个人基本信息（gender、agecat、distance）和满意因素（price、numitems、org、service、quality）预测顾客总体满意度水平（overall），分别采用了有序