spss数据处理与分析教案-SPSS Modeler数据挖掘.pdf

授课内容项目六SPSSModeler数据挖掘（项目，任务）任务1决策树教学目标：1．理解决策树模型的原理。2．掌握决策树的操作方法。教学重点、难点：重点：掌握决策树的操作方法。难点：理解决策树模型的原理。补充内容和教学内容及过程设计时间分配一、决策树算法简介(10分钟)二、决策树分析引例1．决策树基本模型(10分钟)子任务1：新建“决策树.str”数据流，导入“学生数据.xlsx”（见本书配套资源），利用决策树5.0算法生成决策树，研究哪些因素会显著影响学生参与社会公益活动，其中“是否参与公益活动”为目标字段，其余字段为输入字段。【步骤1】～【步骤10】2．“boosting”决策树优化模型(10分钟)子任务2：新建“决策树优化.str”数据流，导入“电信客户数据.sav”，利用决策树5.0算法生成决策树，并利用boosting建立3个关联模型进行优化，研究哪些因素显著影响客户流失，其中“流失”为目标字段，其余字段为输入字段（除了“收入”“教育程度”和“年龄”字段）。【步骤1】～【步骤13】任务实训新建“规则集.str”数据流，导入“学生数据.xlsx”（见本书配套资源），利用决策树5.0算法生成规则集，研究哪些因素显著影响学生是否参与社会公益活动，其中“是否参与公益活动”为目标字段，其余字段为输入字段。（提示：在“决策树”节点中，不选择默认的“决策树”，而选择“规则集”。）课后总结分析：授课内容项目五SPSSModeler数据挖掘（项目，任务）任务2因子分析教学目标：1．理解因子分析模型的原理。2．掌握因子分析的操作方法。教学重点、难点：重点：掌握因子分析的操作方法。难点：理解因子分析模型的原理。补充内容和教学内容及过程设计时间分配一、因子分析简介(10分钟)二、因子分析步骤（1）前提条件：原有变量具有相关性。如果原有变量独立，没有相关关系，则很难提取公共信息。（2）因子提取：从原有变量中提取出几个公共信息（公共因子）。(10分钟)（3）因子命名：对公共因子进行命名，让公共因子具备实际意义。（4）因子权重：根据各个公共因子的特征根，计算各个公共因子的权重。（5）因子得分：计算各个样本在各个公共因子上的得分，根据公共因子的权重，进一步计算综合因子的得分。子任务1：新建“因子提取.str”数据流，导入“电信客户数据.sav”，分析电信客户消费影响因素。(30分钟)（1）筛选“年龄”“收入”“家庭人数”“开通月数”“基本费用”“宽带费用”“流量费用”变量。（2）利用因子分析建模，不采用因子旋转时，查看公共因子的结果。（3）利用因子分析建模，采用因子旋转，并对公共因子命名，计算各个公共因子的权重。【步骤1】～【步骤18】子任务2：将子任务1“因子提取.str”数据流另存为为“因子得分.str”，对客户的营销价值进行排序。（1）计算各个公共因子的权重。(20分钟)（2）新建一个字段“因子得分”，并根据各个公共因子的权重来计算。（3）按照综合因子得分字段降序排序。（4）将因子得分字段移至第一个字段，便于查看营销价值最高的客户。【步骤1】～【步骤13】任务实训新建“练习.str”数据流，导入“经济指标.sav”（见本书配套资源），对各地区多个经济(20分钟)指标进行公共因子提取，并分析哪些地区在各个公共因子上得分较高。课后总结分析：授课内容项目五SPSSModeler数据挖掘（项目，任务）任务3关联分析教学目标：1．理解关联分析模型的原理。2．理解支持度和置信度的作用。3．掌握关联分析的操作方法。教学重点、难点：重点：掌握关联分析的操作方法。难点：1．理解关联分析模型的原理。2．理解支持度和置信度的作用。教学内容及过程设计时间分配一、关联分析简介(20分钟)1．引例2．相关概念（1）支持度（2）置信度二、关联分析应用任务：新建“关联分析.str”数据流，导入“购物篮.txt”（见本书配套资源），利用Apriori(30分钟)模型对商品做关联分析，分析销售商品组合。【步骤1】～【步骤20】任务实训新建“关联分析.str”数据流，导入“购物篮.txt”，随机抽取其10%的数据，利用Apriori(30分钟)模型对商品做关联分析，并分析合理的销售商品组合。课后总结分析：