基于clementine的数据挖掘实验指导目录clementine决策树分类模型.........................................2一．基于决策树模型进行分类的基本原理概念...................................................................2二.范例说明............................................................................................................................2三.数据集说明........................................................................................................................3四.训练模型............................................................................................................................3五.测试模型............................................................................................................................7clementine线性回归模型.........................................10一.回归分析的基本原理.....................................................................................................10二.范例说明.........................................................................................................................10三.数据集说明.....................................................................................................................10四.训练模型.........................................................................................................................10五.测试模型.........................................................................................................................15Clementine聚类分析模型..........................................18一.聚类分析的基本原理......................................................................................................18二.范例说明..........................................................................................................................18三.数据集说明......................................................................................................................18四.建立聚类模型..................................................................................................................19Clementine关联规则模型..........................................24一.关联规则的基本原理.....................................................................................................24二.范例说明.........................................................................................................................24三.数据集说明.....................................................................................................................25四.关联规则模型.................................................................................................................26clementine决策树分类模型一．基于决策树模型进行分类的基本原理概念分类就是：分析输入数据，通过在训练集中的数据表现出来的特性，为每一个类找到一种准确的描述或者模型。由此生成的类描述用来对未来的测试数据进行分类。数据分类是一个两步过程:第一步，建立一个模型,描述预定的数据类集或概念集；第二步，使用模型进行分类。clementine8.1中提供的回归方法有两种：C5.0（C5.0决策树）和NeuralNet（神经网络）。下面的例子主要基于C5.0决策树生成算法进行分类。C5.0算法最早(20世纪50年代)的算法是亨特CLS(ConceptLearningSystem)提出，后经发展由JRQuinlan在1979年提出了著名的ID3算法，主要针对离散型属性数据；C4.5是ID3后来的改进算法，它在ID3基础上增加了：对连续属性的离散化；C5.0是C4.5应用于大数据集上的分类算法，...
