使用样例数据库——食品销售公司数据库，里面包含 17 张维表，11 张事实表，具体信息如下： 维表 account: 账目表 category：类别表 currency：货币表 customer：客户表 days-check：星期表 department：部门表 employee：员工表 position：工厂位置 product：商品信息 product_class：商品类别 promotion：广告 region：区域 reserve_employee：储备干部表 store：分店表 time_by_day：时间表 warehouse：仓库表 warehouse：仓库类表 事实表 expense_fact：支出表 inventory_fact_1997：1997 年库存情况 inventory_fact_1998：1998 年库存情况 monthly_rates：每月库存出货比例 PCT Ownership fact rates：出货库存比例 salary：薪水表 sales_fact_1997：1997 销售表 sales_fact_1998：1998 销售表 sales_fact_dec_199：1998.12 销售表 warehouse_inventory：仓库存货表 使用SQL Server Business Intelligence Development Studio 对上述数据建立数据立方体，并进行数据挖掘分析，挖掘的知识类型不限，将挖掘过程和结果形成实验报告。 【实验内容】 (1) 利用给定的数据库，新建一个数据挖掘项目； (2) 依次建立数据源，数据源视图，维度，多维度数据集，挖掘机构； (3) 选择不同的算法对挖掘的结果进行分析，预测. (4) 根据以上分析，提出可以执行的决策 【实验步骤】 (1) 新建一个数据源，我们使用给定的食品加工数据库。 (2) 根据数据源，建立数据源视图； 数据库中各个表的关系如下（部分截图）： （3）新建维度，选择 time_by_day （4)新建多维数据集 之后数据源视图如下（部分）： (5) 建立数据挖掘结构，选择使用了Microsoft决策树析 其中customer表作为事例。 选择预测年收入 测试数据百分比选择为默认的30% 得到如下决策树 年收入依赖的数据关系为 通过分析例如当条件为：“Education = 'High School Degree' and Occupation = 'Manual' and Member Card 不等于 'Normal'”时 年收入分布如下 当条件为：“Education = 'Bachelors Degree' and Member Card = 'Normal' and Num Cars Ow ned = 0”时 年收入分布如下 当选择预测值为$3 0 k --$5 0 k 时提升图为： 拟合分数为0 .9 7 拟合较好 分类矩阵如下： 从图中可以看出$1 0 k --$3 0 预测准确率最高
VIP
