數(shù)據(jù)挖掘工具

R語言在數(shù)據(jù)挖掘中的運(yùn)用進(jìn)行數(shù)據(jù)挖掘之前數(shù)據(jù)集成數(shù)據(jù)集成：將多個(gè)數(shù)據(jù)源中的數(shù)據(jù)結(jié)合起來存放一個(gè)一致的數(shù)據(jù)存儲(chǔ)的過程數(shù)據(jù)集成包括數(shù)據(jù)集成和模式集成。例如：在一個(gè)企業(yè)的兩個(gè)數(shù)據(jù)源中我們分別以cust-id和customer-no來標(biāo)識用戶，數(shù)據(jù)集成時(shí)，把標(biāo)識相同的客戶和在一起A.cust-id==B.customer-no用戶標(biāo)識的定義不同A表：ID=”23442”B表：ID=”SH23442”String(A.cust-id)==String(B.customer-no).Substr(2,length-2)進(jìn)行數(shù)據(jù)挖掘之前-數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理原因：①現(xiàn)實(shí)世界的數(shù)據(jù)是“雜亂的”。②數(shù)據(jù)挖掘需要高質(zhì)量的數(shù)據(jù)。如何對數(shù)據(jù)進(jìn)行預(yù)處理◆數(shù)據(jù)清理◆數(shù)據(jù)轉(zhuǎn)換◆數(shù)據(jù)的規(guī)約數(shù)據(jù)清理格式標(biāo)準(zhǔn)化異常數(shù)據(jù)清除錯(cuò)誤糾正重復(fù)數(shù)據(jù)的清除處理缺失數(shù)據(jù)處理重復(fù)數(shù)據(jù)處理噪聲數(shù)據(jù)處理異常數(shù)據(jù)目標(biāo)：提高數(shù)據(jù)質(zhì)量的四個(gè)環(huán)節(jié)數(shù)據(jù)轉(zhuǎn)換分類：常規(guī)數(shù)據(jù)轉(zhuǎn)換通常通過線性或非線性的數(shù)學(xué)變換方法等方式將數(shù)據(jù)轉(zhuǎn)換成適用于數(shù)據(jù)挖掘的形式。非常規(guī)數(shù)據(jù)的數(shù)據(jù)變換根據(jù)數(shù)據(jù)的特性會(huì)有較多的形式各異的轉(zhuǎn)換方式。數(shù)據(jù)轉(zhuǎn)換常見轉(zhuǎn)換方法：為了減少數(shù)據(jù)復(fù)雜度，用高層概念替換底層概念。專注于數(shù)據(jù)規(guī)范化，是數(shù)據(jù)按比例縮放，落入特定區(qū)域。做屬性構(gòu)選，通過一個(gè)或多個(gè)屬性的變換計(jì)算構(gòu)造出新的屬性。數(shù)據(jù)轉(zhuǎn)換⑴標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化所謂標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化是將各個(gè)記錄值減去記錄值的平均值在除以記錄值的標(biāo)準(zhǔn)差X’=（Xij-Xia)/SinXia為平均值，表達(dá)式為Xia=1/n∑Xijj=1n設(shè)Sij是標(biāo)準(zhǔn)差有：Si=√1/n∑(Xij-Xia)j=1數(shù)據(jù)轉(zhuǎn)換(2)極差標(biāo)準(zhǔn)化極差標(biāo)準(zhǔn)化變換是將各個(gè)記錄值減去記錄值的平均值，在除以記錄值的極差。X’ij=(Xij-Xia))/(max(Xij)-min(Xij))(3)極差正規(guī)化

X’ij=(Xij-min(Xij))/(max(Xij)-min(Xij))將各個(gè)記錄值減去記錄值的極小值，在除以記錄值的極差。數(shù)據(jù)轉(zhuǎn)換最小—最大規(guī)范化處理將所有數(shù)據(jù)轉(zhuǎn)化到我們新設(shè)定的最小和最大值的區(qū)間內(nèi)。數(shù)據(jù)的規(guī)約更少的數(shù)據(jù)，提高挖掘效果更高的數(shù)據(jù)挖掘處理精度簡單的數(shù)據(jù)挖掘處理結(jié)果更少的數(shù)據(jù)特征刪除列刪除行減少列中的值效果：由于數(shù)據(jù)規(guī)約對原始數(shù)據(jù)通常都是有損的，盡量不使用規(guī)約?；静僮鳎篟語言簡介R語言基本語法結(jié)構(gòu)標(biāo)準(zhǔn)的和基于各種設(shè)備的輸入/輸出面向?qū)ο缶幊谭绞胶蛿?shù)學(xué)編程方式分布式計(jì)算結(jié)構(gòu)引用程序包數(shù)學(xué)和統(tǒng)計(jì)學(xué)各種函數(shù)包括：基本數(shù)學(xué)函數(shù)，模擬和隨數(shù)產(chǎn)生函數(shù)基本統(tǒng)計(jì)函數(shù)和概率分布函數(shù)機(jī)器語言學(xué)習(xí)功能信號處理功能統(tǒng)計(jì)學(xué)建模和測試功能靜態(tài)和動(dòng)態(tài)的圖形展示R語言簡介R語言在數(shù)據(jù)挖掘中的優(yōu)勢：最廉價(jià)（免費(fèi)）最全面的算法最完美多樣的數(shù)據(jù)展示最狂熱的愛好者社區(qū)R語言的整個(gè)語法結(jié)構(gòu)完全來自S語言，突出兩個(gè)特點(diǎn)是：函數(shù)或編程和向量化計(jì)算。背景特點(diǎn)簡介R語言常用的包CORElearn包：程序包集合了多種分類算法和回歸模型例如：樸素貝葉斯，隨機(jī)森林，決策樹，回歸分析等。E1071包：綜合了眾多數(shù)數(shù)據(jù)挖掘的包，其中被使用較多的SUM（）函數(shù)實(shí)現(xiàn)支持向量化。Rpart包：提供有效處理稀疏二元數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，而且提供函數(shù)用Apriori算法和Edat算法來挖掘頻繁項(xiàng)集最大頻繁項(xiàng)集，閉頻繁項(xiàng)集合和關(guān)聯(lián)規(guī)則。Randomforest包：實(shí)現(xiàn)隨機(jī)森林算法。ROCR包：是專門用于做模型評估的，可以方便的繪出ROC圖。MATLAB（MATtrixLABoratary）矩陣實(shí)驗(yàn)室功能：①M(fèi)ATLAB將數(shù)值分析，矩陣計(jì)算，科學(xué)數(shù)據(jù)可視化以及非線性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中。②可以輕易地描繪二維和三維圖形。特點(diǎn)：高效的數(shù)學(xué)表達(dá)式表現(xiàn)方式，數(shù)值計(jì)算及符號計(jì)算功能。語言：MATLAB語言是簡化版的類C++語言。其他商用數(shù)據(jù)挖掘工具SPSSModeler

支持整個(gè)數(shù)據(jù)挖掘流程，包括從數(shù)據(jù)獲取，轉(zhuǎn)化，建模，評估到最終部署的全部過程。SASEnterMiner

可利用具有圖形化的模塊將數(shù)據(jù)挖掘單元組成處理流程圖并依此來組織數(shù)據(jù)挖掘的過程。IntellgentMinerforData

它是用來數(shù)據(jù)挖掘包含在數(shù)據(jù)庫，數(shù)據(jù)倉庫和數(shù)據(jù)中心中的隱含信息，幫助用戶利用傳統(tǒng)數(shù)據(jù)庫或普通文件中的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘。開源數(shù)據(jù)挖掘工具WekaWeka（WaikatoEnvironmentforknowledgeAnalysis）——全名：懷卡托智能分析環(huán)境Weka是用Java語言開發(fā)和開源的數(shù)據(jù)挖掘軟件。Weka可以使用的數(shù)據(jù)挖掘算法:分類算法，聚類算法和并聯(lián)算法。Weka在R語言中時(shí)，使用RWeka程序包調(diào)用Weka中所有算法。開源數(shù)據(jù)挖掘工具Weka-四個(gè)組成部分Explorer，在該環(huán)境中，我們可以實(shí)現(xiàn)各種數(shù)據(jù)挖掘算法，并提供可視法結(jié)果。Experimenter：用來做算法實(shí)驗(yàn)的環(huán)境，在該環(huán)境中，用戶可以創(chuàng)建比較，修改和分析算法。KnowledgeFlow:在“知識流”的環(huán)境中，用戶可以把不同組件按照一定順序連接起來，組成知識流用以處理和分析數(shù)據(jù)。SmpleCLI:簡單的命令行界面。一、SPSS軟件簡介軟件簡介SPSS是StatisticalProgramforSocialSciences的簡稱，即社會(huì)科學(xué)統(tǒng)計(jì)程序，由美國SPSS公司1970年代推出，迄今已有近30年的歷史。是國際著名三大社會(huì)科學(xué)統(tǒng)計(jì)軟件包之一（SAS、SPSS、Statis）。SPSS原是為大型計(jì)算機(jī)開發(fā)的，其版本為SPSSx，80年代初，微機(jī)開始普及以后，它率先推出了微機(jī)版本（版本為SPSS/PC+x.x），占領(lǐng)了微機(jī)市場，大大地?cái)U(kuò)大了自己的用戶量，我們現(xiàn)在使用的是SPSSforWindows12.0版。軟件簡介與以往的SPSSforDOS版本相比，SPSSforWindows顯得更加直觀易用。首先，它采用現(xiàn)今廣為流行的電子表格形式作數(shù)據(jù)管理器，使用戶變量命名、定義數(shù)據(jù)格式、數(shù)據(jù)