数据挖掘典型应用：如何做好关联分析（购物篮分析）
数据挖掘典型应用：如何做好关联分析（购物篮分析）
在电商数据运营中，对于客户而言，有两个很重要的指标对于扩大销售规模是很重要的：第一，提高顾客重复购买次数；第二，提高客户订单中的Basket size（即购物篮件数）。而第二个指标提高Basket
size，就是让客户从以前只购买一件产品的转换到现在购买多件产品，从而提高整个购物篮的销售金额，最大限度地实现销售增长。
但是如何挑出那些产品之间有关联销售的机会，从而形成相应的组合优惠套装呢？去过零售商场的人都知道，经常看到不少组合的套装打包在一起优惠销售，例如P&G的产品：飘柔洗发水+玉兰油沐浴露、海飞丝洗发水+舒肤佳沐浴露等等。再例如本人参与撰写的Excel疑难千寻千解之《Excel
2010 数据透视表大全》+《Excel
2010 操作与技巧》+《Excel
函数与公式》在当当网上形成了一个促销礼包，就说明该组合是顾客最喜欢购买的，并且是销售比较好的组合。对于P&G的产品组合，背后必然有相应的数据进行支撑，才敢推出相应的优惠组合套装；而对于本人书本的组合，有可能是当当网做了相应的分析，确认这三本书捆绑在一起能产生最大的销售机会，也有可能是出版社通过人为的数据协助当当推出这样的组合。但无论怎么样的决策，优惠组合套装都离不开数据支撑，而这背后的原理就是涉及到数据挖掘中的关联分析。说起关联分析，也许是太过于专业了，但连那些都不知道啥数据挖掘的最土鳖的那些土人都听说过啤酒与尿布的典型案例，啤酒与尿布就是关联分析的典型，让无数的人都对该规则津津乐道，但这个都已经成为过去了，现在数据增长及产品增长飞速，会出现越来越多啤酒与尿布的规则指导市场运营。结合本人的参与的电商数据挖掘、零售大商场的数据挖掘经验，分享一点我对关联分析的所谓经验，帮助他人或帮助自己不断提高。
第一、关联分析具体能用来做什么呢？
可以一句话来概括：最大限度地从你口袋里面掏出更多的钱买我的产品。
通过关联规则，推出相应的促销礼包或优惠组合套装，快速帮助提高销售额。如前面所说的：飘柔洗发水+玉兰油沐浴露、海飞丝洗发水+舒肤佳沐浴露等促销礼包；还比如全家里面推出的牛奶+面包、豆奶+面包的早餐组合。
零售超市或商场，可以通过产品关联程度大小，指导产品合理摆放，方便顾客最购买更多其所需要的产品。最常见的就是超市里面购买肉和购买蔬菜水果等货架会摆放得很近，目前就是很多人会同时购买肉与蔬菜，产品的合理摆放也是提高销售的一个关键。
进行相关产品推荐或者挑选相应的关联产品进行精准营销。最常见的是你在亚马逊或京东购买产品的时候，旁边会出现购买该商品的人，有百分之多少还会购买如下的产品，快速帮助顾客找到其共同爱好的产品。物以类聚，人以群分。例如，穷人一般和穷人在一起，富人也喜欢和富人在一起。还有数据挖掘的人喜欢和数据挖掘的人打交道，都离不开这些鸟道理。
寻找更多潜在的目标客户。例如：100人里面，购买A的有60人，购买B的有40人，同时购买A和B的有30人，说明A里面有一半的顾客会购买B，反推而言。如果推出类似B的产品，除了向产品B的用户推荐（因为新产品与B的功能效果比较类似）之外，还可以向A的客户进行推荐，这样就能最大限度地寻找更多的目标客户。
注：以上的具体应用场景是目前本人知识范围内能想到的且都用在实际场景的。
第二、如何做好关联分析呢？
必须进行大量的产品梳理工作，区分不同等级的层次关系，并且给相应的产品打上合适的标签。产品梳理是一项纯手工的并且需要耗费大量的人力及时间才能完成的。一般的企业，其产品不会很多，就比如P&G的产品或者其SKU数，也不过是几千个，但产品梳理的标准是很重要的。产品标准过于粗放，对于后期的关联分析意义不大；产品标准过于细化，如涉及到SKU的层面的话，关联分析出的规则也不一定很理想。所以选定好一个比较合理的产品梳理规范，对于关联分析的结果精准程度很重要。
因为很多SKU一般只有产品名称及价格，对数据管理比较规范的企业会打上品牌标签，其他相应的信息都是需要进行手工梳理。具体的产品梳理示例如下：
丝源复活系列
如果对于大零售超市或商场，其SKU数一般都是几十万甚至上百万，产品梳理工作是一项很痛苦的工作，但如果要从数据角度进行产品运营，建议可以开展相应的产品梳理咨询项目，通过半年多的产品梳理，形成标准化的产品梳理流程及产品目录。过去的半年里，在对某商场的产品梳理时候，发现目前的产品体系还是漏洞百出，很多还是很不规范的。做好关联分析或数据运营，请从产品梳理工作开始。
建议选取SAS
EM模块里面的关联分析模块。合适的工具是做好关联分析的关键。个人使用过SPSS
Clementine里面的关联分析模块，其实其对数据格式要求很严格，但不符合常规的数据库录入的基础源数据，操作也不算很简单。R语言里面的关联分析缺陷也不少，别看目前大吹特吹R语言在大数据上的应用有多广，前途有多光明，但我们只是从业务角度去挖掘商业机会，不懂那些Java等更高级的编程。其实发现还是SAS的EM模块比较好用，纯图形化操作。
请深刻理解关联分析中的三度：置信度、支持度、提升度，同时不能忽略产品规模。如果规则的提升度很高，但其相关的置信度很小，说明其市场规模很小。市场经营必须同时考虑市场规模大小及精准程度大小的两个维度。如果该规则真的很精准，但其受众客户就只有几百个，对于销售额而言，一点都没有影响。而另外一条规则虽然提升度不是很高，但其受众客户涉及了几万人，对该部分客户进行营销，能够有效地扩大规模，大幅提高销售额。所以后期的营销规则选取也必须要切合实际的商业应用。
第三、关联分析有哪些后遗症？
注意购买产品赠送礼品的人为因素影响规则。有些挖掘师或分析师在做出关联分析后，看到了几条提升度及置信度都很高的规则，就兴奋不已地告诉客户：我觉得产品A和产品B有很大的关联性，从数字上看，捆绑销售肯定能够取得很好的销售效果。当拿到这样的结果的时候，客户很镇定地说：“你不知道我们在某月的时候，大量开展了购买产品A即可免费赠送产品B的活动么？”杯具，坑爹。对于这个时候的挖掘师是很悲催的。在筛选关联规则的时候，必须对该企业过去一年开展的活动有了解，还必须对不同时间段的主推产品进行提前沟通，确保关联规则不受人为因素影响。
注意产品之间的位置摆放是否有很大的影响。在零售大商场中，产品摆放的位置对产品关联销售会产生很大的影响的，因为关联分析就是为了更方便地让顾客找到其需要的产品，购买更多其需要的产品。人流比较大的两个相隔货架之间的产品关联性比较大，在我们项目中会发现不少的这样规则。但其结果表明了货架关联性比较大，摆放在一起就肯定比较合理的。但在进行关联分析的时候，客户更希望能从其他不相隔的货架之间找出更好的关联销售机会，这决定了后期的关联规则挑选难题。
注意关联推荐的规则合理性及流失成本的大小。后期的关联推荐应用于主要是三个方面：1、重购：继续购买原来的产品；2、升级：购买更高档次的产品；3、交叉销售：购买相关的产品。如果该规则的客户本来是买了50块钱的产品的，发现关联规则里面出现了推荐其购买30块的同类型产品，这等于给客户降档推荐了，会让销售额大幅减少，销售机会白白浪费并且造成了损失，所以在进行关联推荐的时候，那些涉及到了降档的规则一定要剔除。
关联分析是一个很有用的数据挖掘模型，能够帮助企业做很多很有用的产品组合推荐、优惠促销组合，同时也能指导货架摆放是否合理，还能够找到更多的潜在客户，的确真正的把数据挖掘落到实处。
（注：本文为原创，若需要转载，请务必注明出处，否则诉讼您侵权。）
因为在微博上看不惯那些说起大数据就开口闭口一套啥鸟理论，但实操一点都不会的所谓专家，个人也不是啥好鸟，哈哈，但还是比较务实的，只会去做不会说，我是普通话也说不好的鸟人。
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。小组成员：艾永均 赵艳萍 吴艾玲 刘楚楚 一、购物篮分析要实现什么目的？1、寻找购买相似产品，并且可按年龄、收入等刻画其特征的客户群；
2、得出事物之间二者的相互关系,找出关联性最强的产品。二、实现目的的重要步骤step1：建造图表，分出产品特征、人的特征以及购物篮特征。
step2：运用GRI建模，进行一般规则归纳step3：建立web节点，建立产品的联系。筛选出关联性强的产品组合，并为其突出显示命名。三、目的实现后得到的结果结果显示1、通过购物篮分析可以得出事物之间联系强弱关系。这样便于企业商家利用这样的联系改善商品的摆放位置、搭配，提高商品销售量，最终达到盈利。
2、具有同特征的人与事之间的联系，便于企业确定目标客户群。可以对客户进行分类营销。
在回答问题之前，先向大家介绍Clementine的作用。&br&SPSS Clenmentines提供众多的预测模型，这使得它们可以应用在多种商业领域中：如超市商品如何摆放可以提高销量；分析商场营销的打折方案，以制定新的更为有效的方案；保险公司分析以往的理赔案例，以推出新的保险品种等等，具有很强的商业价值。&br&&br&&br&&b&————————以下是原答案——————————&/b&&br&&p&&b&●问题1：Clementine中的购物篮案例要解决什么问题？&/b&&/p&&p&运用统计学的方法，通过分析所售商品间的关联度，寻找目标客户群，且对目标客户群的特征进行分析。&/p&&p&&b&●&/b&&b&问题2：解决过程中的重要步骤。&/b&&/p&&p&重要步骤之一：&/p&&p&设置第一个类型节点时，由于cardid不在所有类型的范围内（它只是一个编号项），要注意把cardid的类型设置为无类型；由于从cardid段到age段的项目不属于商品，故要将方向设置为无；由于要计算所有商品间的关联度，故要将他们的方向设置为双向。&/p&&img src=&/7a9b572250bcbd639dcc35eb_b.png& data-rawheight=&388& data-rawwidth=&635& class=&origin_image zh-lightbox-thumb& width=&635& data-original=&/7a9b572250bcbd639dcc35eb_r.png&&&br&&p&重要步骤之二：&/p&&p&执行web节点后，要注意将浮标最低值设置为大于50，因为只有如此才能显示关联度最强的几组商品，如图。&/p&&img src=&/54ee9bde5fc619_b.png& data-rawheight=&450& data-rawwidth=&598& class=&origin_image zh-lightbox-thumb& width=&598& data-original=&/54ee9bde5fc619_r.png&&&br&&p&重要步骤之三：&/p&&p&由于关联度最强的三组产品显示为“fish及fruitveg”“confectionery和wine”“beer及cannedveg及frozenmeal”，故右击它们之间的连线，生成链接的导出节点，注意“beer及cannedveg及frozenmeal”这一组要按住shift连续选中。此步骤是生成的是三个关联度最强的目标客户群。如图所示。&/p&&img src=&/af18ef29bb28a04e9ce1c_b.png& data-rawheight=&324& data-rawwidth=&490& class=&origin_image zh-lightbox-thumb& width=&490& data-original=&/af18ef29bb28a04e9ce1c_r.png&&&br&&p&重要步骤之四： &/p&&p&最后生成决策树的时候编辑C5.0节点，“输出类型”选项可以决定生成决策树或规则集。&/p&&img src=&/d47d47d4c8fcfb9e4955b_b.png& data-rawheight=&260& data-rawwidth=&358& class=&content_image& width=&358&&&br&&p&&u&&b&重要解释：&/b&&/u&&/p&&p&&u&理解整个数据流及数据流上的节点&/u&是本案例中的重点。&/p&&p&A节点是原始数据节点，也是源头节点，之后的数据分流全部依赖于此；&/p&&p&A节点之后的类型节点起到分流的作用；&/p&&p&B节点是GRI节点，显示的数据之间的置信度和支持度；&/p&&p&C节点是网络节点，也是整个流程中比较关键的节点，它直接对数据进行具体的分析，找到商品之间的关联度；&/p&&p&D节点是表节点，用于显示最直观的客户信息和数据；&/p&&p&E是一个特殊的数据流，是根据C节点分析得出，最后找到beer_beans_pizza客户群是目标客户群，并对目标客户群进行特征分析。&/p&&img src=&/ca178c350ff79a5e3f54_b.png& data-rawheight=&347& data-rawwidth=&564& class=&origin_image zh-lightbox-thumb& width=&564& data-original=&/ca178c350ff79a5e3f54_r.png&&&br&&p&&b&●&/b&&b&问题3：目的实现后得到了什么样的结果？&/b&&/p&&p&如图：&/p&&img src=&/e9f975b2bfec64f63bef9d_b.png& data-rawheight=&662& data-rawwidth=&433& class=&origin_image zh-lightbox-thumb& width=&433& data-original=&/e9f975b2bfec64f63bef9d_r.png&&&p&决策树清楚地告诉我们，目标客户群的总人数为146人，其中收入大于16900的人数为5人；收入小于等于1人中，男性占139人，女性2人。该结果显示出，收入小于16900的男性是主要目标客户群。&/p&&strong&因此可以将啤酒和冻肉、罐装蔬菜放在一起销售，这也正好和前面的网络节点图的显示相一致。&br&&/strong&&br&&p&————————我是华丽丽分割线——————————&/p&&br&&br&为了让新手能看懂且自行完成整个流程，在此分享两个该案例的链接：&br&&a href=&///?target=http%3A///yuyang-DataAnalysis/archive//2223298.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&市场购物篮分析（规则归纳/C5.0）+apriori&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///yuyang-DataAnalysis/archive//2153795.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SPSS Clementines 预测分析模型----啤酒+尿片故事的实现机理（使用11版本实现）&i class=&icon-external&&&/i&&/a&&br&&br&&br&————————我还是华丽丽分割线——————————&br&&br&&p&小组成员：（一班）&/p&&p&刘治禹 &/p&&p&刘永顺 1289066&/p&&p&李玲玲 &/p&&p&刘瑶 &/p&
在回答问题之前，先向大家介绍Clementine的作用。SPSS Clenmentines提供众多的预测模型，这使得它们可以应用在多种商业领域中：如超市商品如何摆放可以提高销量；分析商场营销的打折方案，以制定新的更为有效的方案；保险公司分析以往的理赔案例，以推出新…
&p& 小组成员&/p&&br&&p&蔺静
工商管理2013—3班&br&&/p&&p& &/p&&p&
工商管理2013—3班 &/p&&p& &/p&&p&
工商管理2013—3班
工商管理2013—3班
工商管理2013—3班
工商管理2013—3班
&/p&&br&&br&&br&&p&&b&购物篮问题分析&/b&&/p&&p&&b&一:解决问题 &/b&&/p&&p&1、找出关联性最强的前3种产品组合 &/p&&p&2、通过产品组合找出客户群 &/p&&p&3、利用人口特征推测出最佳客户群&/p&&p&&b&二:大概步骤 &/b&&/p&&p&1：建模，进行一般规则归纳 &/p&&p&2：建立web节点，建立产品间的联系 &/p&&p&3：运用软件，筛选关联性较强的产品组合，并为其突出显示命名 &/p&&p&4：选出关联性最强的产品组合，并找出其人口特征 &/p&&p&&b&三:结论&/b&&/p&&p&&b&1&/b&&b&、找出关联性最强的前3种产品组合 &/b&&/p&&p&A、鱼和果蔬 &/p&&p&B、酒和粮果 &/p&&p&C、啤酒、冻肉、罐装蔬菜 &/p&&p&&b&2&/b&&b&、通过产品组合找出客户群&/b&&/p&&p&A、鱼和果蔬——健康食客 &/p&&p&B、酒和粮果——休闲食客 &/p&&p&C、啤酒、冻肉、罐装蔬菜——快速食客&/p&&p&&b&3&/b&&b&、通过对人口特征分析，得出最佳客户群及其人口特征&/b&&/p&&p&最佳客户群：啤酒、冻肉、罐装蔬菜
&/p&&p&人口特征：
总人数:1000人&/p&&p&&b&&u&收入《&/u&&u&=16900&/u&&/b&&u&&b&性别：男&/b&&/u&&/p&&p&最佳客户群人数：136人 &/p&&p&再细分：&u&&b&年龄：25—50岁&/b&&/u&&/p&&p&最佳客户群人数：96人&img src=&/4753d4edc57e244590ecad_b.png& data-rawwidth=&413& data-rawheight=&547& class=&content_image& width=&413&&&/p&&br&&br&&p&&b&营销方案&/b&&/p&&p&&b&产品组合（&/b&&b&啤酒、冻肉、罐装蔬菜&/b&&b&）&/b&&/p&&p&&b&一、&/b&&b&消费者分析&/b&&/p&&p&&b&1&/b&&b&、消费人群特征&/b&&b&：&/b&
年龄在25—50岁之间的男性，收入在16900美元以下&/p&&p&&b&2&/b&&b&、购买人群预测：&/b&&/p&&p&单身男性：主要是未婚或没有孩子的男性，工作时间量大，无暇做饭&br&家庭男性：休闲时享用，比如：哥们一起看球赛&/p&&p&&b&3&/b&&b&、购买渠道：&/b&K/A类商超、零售店、休闲场所、餐厅、饭店、公园、车站、小区连锁超市&/p&&p&&b&二、市场分析&/b&&/p&&p&&b&简介：&/b&根据购物篮分析，得知1000名顾客中有136名目标客户群。市场占有率大概是14%&/p&&p&&b&分析方法：&/b&&b&SWOT&/b&&b&分析&/b&&/p&&p&1、优势：产品组合，满足消费者快捷、方便的需求&/p&&p&2、劣势：不健康&/p&&p&3、机会：利于市场快速扩张，增大市场份额&/p&&p&4、威胁：进入壁垒低，模仿性性强&/p&&p&&b&三、竞争者分析&/b&&/p&&p&&b&分析方法：波特五力竞争分析模型&/b&&/p&&p&1、新进入者易进入&/p&&p&2、顾客讨价议价的能力不强&/p&&p&3、同行竞争者竞争能力不强。通过数据分析，找出关联性最强的产品组合，而同行竞争者一般是单一产品&/p&&p&4、供应商讨价议价的能力较低，供应厂商特别多&/p&&p&5、替代品的替代能力较弱&/p&&p&&b&四、营销策略（&/b&&b&4P&/b&&b&方法）&/b&&/p&&p&&b&一）产品（&/b&&b&product&/b&&b&）&/b&&/p&&p&&b&1&/b&&b&、产品定位：&/b&根据分析，定位为快速消费食品，满足中下层消费的男性&br&&b&2&/b&&b&、产品架构：&/b&因为该产品具有很强的关联性，把这3个食物进行产品组合销售&/p&&p&&b&二）价格（&/b&&b&price&/b&&b&）&/b&&/p&&p&因为是产品组合，捆绑销售，而且产品不具有差异化，所以采取相对低价的价格策略&/p&&p&&b&三）、渠道&/b&&/p&&p&&b&1&/b&&b&、销售地点&/b&&b&：&/b&K/A类商超、零售店、休闲场所、餐厅、饭店、公园、车站、小区连锁超市&/p&&p&2&b&、销售方法：&/b&&/p&&p&a.将组合产品陈列在卖场之“食品区”门店端架特殊位置（即利于顾客选择的最佳位置）&/p&&p&b.将组合产品陈列在卖场收银的促销区&/p&&p&c.在客流量较大卖场可实施免费品尝促销推广活动，时间段在周一至周五：下午17：00～21：00，周六周日&/p&&p&d.和相应的食品网商进行合作，实行网上促销，并且送货上门等&/p&&p&&b&四）促销（沟通）&/b&&br&1.在公交，地铁里的电视广告宣传&/p&&p&2. 体育网站、新闻手机APP等插入产品组合促销广告&/p&&p&3.在卖场贴宣传海报，易拉宝支架宣传&/p&&p&4.在大型卖场可以聘请相应的促销人员，进行叫卖活动&/p&&p&5.对小型体育活动进行赞助宣传等&/p&
小组成员蔺静 工商管理2013—3班
罗健 工商管理2013—3班
李佳桧 工商管理2013—3班
陈玉敏 工商管理2013—3班
顾祖芬 工商管理2013—3班
王玉珠 工商管理2013—3班 购物篮…
已有帐号？
无法登录？
社交帐号登录 上传我的文档
 下载
 收藏
||精品，全是精品||有任何问题请发站内信息！本店资源来源于互联网，版权为原作者所有
，请下载试用者二十四小时后删除,试用后请购买正版的资源。若侵犯到您的版权, 请提出
指正, 我们将立即删除。
 下载此文档
正在努力加载中...
宏商超市购物篮分析案例
下载积分：500
内容提示：宏商超市购物篮分析案例
文档格式：DOC|
浏览次数：39|
上传日期： 12:14:06|
文档星级：
该用户还上传了这些文档
宏商超市购物篮分析案例
官方公共微信小组成员_夏倩倩，辛金梅，张美联，田小燕，徐爽药物案例分析组员：张美联 田小燕 夏倩倩 辛金梅1、 解决问题我们已收集了一组患有同一疾病的患者的数据。在治疗过程中，发现每位患者均对五种药物（药物A、药物B、药物C、药物X、药物Y)中的一种有明显反应。通过数据挖掘找出适合治疗此疾病的不同患者的药物。2、 解决步骤本案例的数据是Clementine软件自带的一份关于药物研究的数据DRUGIN,一共有200条数据。 1、读取原始文本数据，了解原始数据情况。2、添加表3、创建分布图，汇总分析数据类型，找出每种药物对症患者的比例。结果表明，药品 Y 的对症患者最多，而药品 B 和药品 C 的对症患者最少。结果表明，药品 Y 的对症患者最多，而药品 B 和药品 C 的对症患者最少。可以看到，该数据有200个样本，对Age 、N 、K这三个数值型变量，计算出输出最小值、最大值、均值、标准差、偏态系数等基本描述统计量。数据显示，病人的年龄差距比较大。同时输出了各个变量的直方图或柱形图。图形表明，病人中的Age 、BP 、Cholesterol水平的分布都比较均匀，差异不大，但服用药物DrugY的病人数明显高于服用其他药物的人数。4、创建散点图，观察服用不同药物的病人唾液中钠钾的含量情况。图形显示，服用DrugY的病人，其唾液中的钾含量明显低于其他类病人，但钠含量有的较低有的较高。单纯的钾含量较低的病人选用DrugY应该比较理想。5、创建网络图,观察服用不同药物病人唾液中的钠钾的浓度比例情况。为更准确的评价药物状况，淡出观察钠钾含量是不全面的，应该观察钠与钾的浓度比值指标，它能够更加准确反映病人肾上腺皮质的而功能状态。图形显示，针对Na＿to＿K值处在高水平（大于或等于15）的病人， DrugY应该是最理想的选择。6、导出新字段，不同血压特征病人的药物选择。此网状图通过线条粗细反映病人BP与Drug的取值情况。可以看到，无论血压状况如何，都可以服用DrugY,其三条线的粗细程度差别不大。因此，DrugY对病人的血压没有特殊规定，更具有普遍服用性。在不考虑选择DrugY时，血压高的病人可服用DrugA或DrugB，血压低的病人则应该在DrugX和DrugC中选择。7、构建模型，全面分析决定药物选择的其他影响因素。通过前面的分析，似乎对选择的依据有了一定的结论，但没有考虑Age 、Sex 和Cholesterol等方面，分析仍是不全面的。采用决策树图表形式分析，可以更轻松地查看各个血压类别的观测值数量以及各个观测值的百分比。如图：可以看出，当病人的Na_to_K值高于14.64时，应选择DrugY，无需考虑其他因素。当病人的Na_to_K值≤14.64时，对于高血压病人，年龄是主要的判断依据，年龄≤50岁的，更适合DrugA，高于50的则应选择DrugB；对于低血压病人，则应依据其胆固醇指标选择，胆固醇正常的选择drugX，胆固醇高的选择drugC。对于血压正常的病人可选择DrugX。性别对选择药物没有影响。8、浏览模型可以看到，所建模型的正确预测精度达到了99.5%，模型较为理想。9.本次实验最终所建立的数据流如图：3、 结论1.当病人的Na_to_K值高于14.64时，应选择DrugY，无需考虑其他因素。2.当病人的Na_to_K值≤14.64时：对于高血压病人，年龄是主要的判断依据，年龄≤50岁的，更适合DrugA，高于50的则应选择DrugB；对于低血压病人，则应依据其胆固醇指标选择，胆固醇正常的选择drugX，胆固醇高的选择drugC；对于血压正常的病人可选择DrugX。3.性别对选择药物没有影响。
&b&&i&Clementine中药物治疗案例分析&/i&&/b&&br&&b&一、研究问题：&/b&&br&
通过数据分析发现以往处方适用的规律，给不同临床特征病人更适合服用哪种药物的建议，为未来医生填写处方提供参考。此案例将采用决策树的方法，找出哪种药物适用于哪一种类型的病人。&br&&b&二、过程：&/b&&br&
本案例的数据是Clementine软件自带的一份关于药物研究的数据DRUGIN，一共有200条数据，该资料包含的字段如下图：&br&&img src=&/9a9bbc96f45ae_b.png& data-rawwidth=&547& data-rawheight=&207& class=&origin_image zh-lightbox-thumb& width=&547& data-original=&/9a9bbc96f45ae_r.png&&&br&&br&&p&1.读取数据到Clementine中。&/p&&br&&p&2.浏览数据内容。在“输出”选项卡中选择“表”节点加到数据流中，执行该节点，所生成的数据表名将列在流管理窗口的输出选项卡中。如图：&/p&&img src=&/ad15c67d2a712d8c891e5b74fcbb6a8c_b.png& data-rawwidth=&460& data-rawheight=&462& class=&origin_image zh-lightbox-thumb& width=&460& data-original=&/ad15c67d2a712d8c891e5b74fcbb6a8c_r.png&&&p&3.观察各个变量的数据分布特征。在“输出”选项卡中选择“数据审核”节点加到数据流中，执行该节点，所生成的数据表名列在流管理窗口的输出选项卡中，如图3-1；创建分布图，汇总分析数据类型，找出每种药物对症患者的比例如图3-2。&/p&&br&&p&图3-1：&br&&img src=&/724a256bb251_b.png& data-rawwidth=&561& data-rawheight=&333& class=&origin_image zh-lightbox-thumb& width=&561& data-original=&/724a256bb251_r.png&&图3-2:&/p&&img src=&/62d9b68a65ac41c488757f_b.png& data-rawwidth=&530& data-rawheight=&380& class=&origin_image zh-lightbox-thumb& width=&530& data-original=&/62d9b68a65ac41c488757f_r.png&&&p&
可以看到，该数据有200个样本，对Age、Na、K这三个数值型变量，计算且输出最小值、最大值、均值、标准差、偏态系数等基本描述统计量。数据显示，病人的年龄差距比较大。 &/p&&p&同时，输出了各个变量的直方图或柱状图。图形表明，病人中的Age、BP、Cholesterol水平的分布都比较均匀，差异不大，但服用药物DrugY的病人数明显高于服用其他药物的人数。&/p&&br&&p&4.观察服用不同药物的病人唾液中钠钾的含量情况。这里，通过散点图反映。在“图形”卡中选择“散点图”节点加到数据流中，设置节点参数，指定Na为X轴，K为Y轴，服用不同Drug的病人数据采用不同颜色的点，执行该节点，所生成的图形文件名列在流管理窗口的输出选项卡中，如图:&/p&&img src=&/89f91ee1edf2b06007f47af_b.png& data-rawwidth=&554& data-rawheight=&450& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/89f91ee1edf2b06007f47af_r.png&&&p&
图形显示，服用DrugY的病人，其唾液中的钾含量明显低于其他类病人，但钠含量有的较低有的较高。单纯的钾含量较低的病人选用DrugY应该比较理想。&/p&&br&&p&5.观察服用不同药物病人唾液中的钠钾的浓度比例情况。为更准确地评价药物状况，单纯观察钾含量是不全面的，应观测钠与钾的浓度比值指标，它能够更准确反映病人肾上腺皮质的功能状态。该指标是原始数据中没有的，应首先计算生成，然后观察其分布特征。在“字段选项”选择卡中选择“导出”节点加到数据流中，设置节点参数指定生成的新变量名为Na_to_K,计算公式为Na/K。在“图形”选项卡中选择“直方图”节点，设置节点参数指定绘制Na_to_K的直方图，且服用不同药物的病人数据采用不同的颜色。执行“直方图”节点，所生成的图形文件名列在流管理窗口的“输出”选项卡中，如图:&/p&&img src=&/d7a84df78de9f963cfb714ebf659f1a9_b.png& data-rawwidth=&550& data-rawheight=&464& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&/d7a84df78de9f963cfb714ebf659f1a9_r.png&&&p&
图形显示，针对Na_to_K值处在高水平（大于或等于15）的病人，DrugY应该是理想的选择。&/p&&br&&p&6.不同血压特征病人的药物选择，在“图形”选项卡中选择“网络”节点加到数据流中，设置节点参数指定绘制关于Drug与BP的网状网络图，执行“网络”节点，所生成的图形文件名列在流管理窗口的“输出”选项卡中，如图:&/p&&p&&img src=&/2e8470bafffb_b.png& data-rawwidth=&571& data-rawheight=&478& class=&origin_image zh-lightbox-thumb& width=&571& data-original=&/2e8470bafffb_r.png&&
此网状图通过线条粗细反映病人BP与Drug的取值情况。可以看到，无论血压状况如何，都可以服用DrugY，其三条线的粗细程度差别不大。因此，DrugY对病人的血压没有特殊限定，更具有普遍服用性。在不考虑选择DrugY时，血压高的病人可服用DrugA或DrugB，血压低的病人则应该在DrugX和DrugC中选择。&/p&&br&&br&&p&7.全面分析决定药物选择的其他影响因素。通过前面的分析，似乎对选择DrugY的依据有了一定的结论，但没有考虑Age、Sex、和Cholesterol等方面，分析仍是不全面的。同时，应怎样选择其他药物，也没有给出明确且全面的标准。这里，希望进一步利用数据，通过建立模型，从Age、Sex、BP、Cholesterol、Na/K的综合角度分析选择不同药物的依据。&/p&&p&
首先，在建模中不再直接采用K和Na变量，而是采用Na/K，因此先将变量K和Na筛掉。在“字段”选项卡中选择“过滤”节点加到数据流中，设置参数在K和Na变量上打叉筛掉，然后，指定建立模型过程中各个变量的作用，这里Age、Sex、BP、Cholesterol、Na/K为解释变量，称为模型的输入变量，Drug为被解释变量，称为模型的输出变量。在“字段”选项卡中选择“类型”节点加到数据流中，设置参数指定不同变量的作用角色。最后，在“建模”选项卡中选择“C5.0”节点加到数据流中。选择C5.0模型，执行C5.0节点，生成的模型名列在流管理窗口的模型选项卡中。选择流管理窗口中的模型选项卡，右击鼠标，选择弹出菜单中的“浏览”选项，浏览模型结果，如图：&/p&&p&&img src=&/f2a07d483b03de4f5c7f9ff504c64d2b_b.png& data-rawwidth=&444& data-rawheight=&482& class=&origin_image zh-lightbox-thumb& width=&444& data-original=&/f2a07d483b03de4f5c7f9ff504c64d2b_r.png&&
采用决策树图表形式分析，可以更轻松地查看各个血压类别的观测值数量以及各个观测值的百分比。如图：&/p&&img src=&/727c45f5df034ccfef30_b.png& data-rawwidth=&878& data-rawheight=&686& class=&origin_image zh-lightbox-thumb& width=&878& data-original=&/727c45f5df034ccfef30_r.png&&&br&&p&
可以看出，当病人的Na_to_K值高于14.64时，应选择DrugY，无需考虑其他因素。当病人的Na_to_K值≤14.64时，对于高血压病人，年龄是主要的判断依据，年龄≤50岁的，更适合DrugA，高于50的则应选择DrugB；对于低血压病人，则应依据其胆固醇指标选择，胆固醇正常的选择drugX，胆固醇高的选择drugC。对于血压正常的病人可选择DrugX。性别对选择药物没有影响。&/p&&br&&br&&p&8.模型的预测精度评价。首先，选择流管理窗口中的“模型”选项卡，右击鼠标，选择弹出菜单中的“添加到流”选项，将模型计算结果加到数据流中；然后，在“输出”选项卡中选择“分析”节点并与模型结果节点相连，执行“分析”节点，所生成的结果列在流管理窗口的输出选项卡中，如图：&/p&&img src=&/ff0ba4e040f045cb102cb_b.png& data-rawwidth=&449& data-rawheight=&489& class=&origin_image zh-lightbox-thumb& width=&449& data-original=&/ff0ba4e040f045cb102cb_r.png&&&br&&p&
可以看到，所建模型的正确预测精度达到了99.5%，模型较为理想。&/p&&br&&br&&p&9.本次实验最终所建立的数据流如图：&/p&&img src=&/573cba528dad7c2d1f2e2d805df9093c_b.png& data-rawwidth=&785& data-rawheight=&542& class=&origin_image zh-lightbox-thumb& width=&785& data-original=&/573cba528dad7c2d1f2e2d805df9093c_r.png&&&br&&br&&br&&br&&br&&br&&b&三、结论：&/b&&br&1.当病人的Na_to_K值高于14.64时，应选择DrugY，无需考虑其他因素。&br&&b&2&/b&.当病人的Na_to_K值≤14.64时：对于高血压病人，年龄是主要的判断依据，年龄≤50岁的，更适合DrugA，高于50的则应选择DrugB；对于低血压病人，则应依据其胆固醇指标选择，胆固醇正常的选择drugX，胆固醇高的选择drugC；对于血压正常的病人可选择DrugX。&br&&b&3&/b&.性别对选择药物没有影响。
Clementine中药物治疗案例分析一、研究问题： 通过数据分析发现以往处方适用的规律，给不同临床特征病人更适合服用哪种药物的建议，为未来医生填写处方提供参考。此案例将采用决策树的方法，找出哪种药物适用于哪一种类型的病人。二、过程： 本案例的数据是…
&strong&陈
虹 1258025&br&&/strong&&strong&黎
婷 1258095&/strong&&br&&strong&冯
丽 1251026&/strong&&br&&strong&胡登琼 1251046&/strong&&br&&strong&一、要解决的问题？&/strong&&br&通过数据挖掘找出适合治疗此疾病的药物，我们可以通过数据挖掘找出适合治疗此疾病的药物&br&&strong&二、如何解决的？&/strong&&br&&p&1.打开Clementine，添加原始数据，
然后读取文本数据
&/p&&br&&img src=&/efa4ff9aa7cea18bd80576_b.png& data-rawheight=&327& data-rawwidth=&436& class=&origin_image zh-lightbox-thumb& width=&436& data-original=&/efa4ff9aa7cea18bd80576_r.png&&&br&&p&2.添加数据表，了解各个不同患者的年龄、血压情况、对药物的适应性等信息&/p&&img src=&/2d41a7a0eef28ceac804d1e_b.png& data-rawheight=&588& data-rawwidth=&943& class=&origin_image zh-lightbox-thumb& width=&943& data-original=&/2d41a7a0eef28ceac804d1e_r.png&&&br&&br&3.创建分布图&br&&img src=&/37b6b8beefa87f2badf3e450_b.png& data-rawheight=&272& data-rawwidth=&881& class=&origin_image zh-lightbox-thumb& width=&881& data-original=&/37b6b8beefa87f2badf3e450_r.png&&&br&&img src=&/750bd28d09bc6df901883_b.png& data-rawheight=&553& data-rawwidth=&705& class=&origin_image zh-lightbox-thumb& width=&705& data-original=&/750bd28d09bc6df901883_r.png&&&br&创建drug分布图，从表和图形两个图都可以清晰的看出这五种产品中，druy Y的对症患者最多，B、C的对症患者最少&br&&strong&创建闪点图&/strong&&br&&img src=&/61cd71b33f359f3901502_b.png& data-rawheight=&682& data-rawwidth=&834& class=&origin_image zh-lightbox-thumb& width=&834& data-original=&/61cd71b33f359f3901502_r.png&&&br&&br&此散点图清楚地显示一个阈值，在此阈值上方，对症药品始终是
Y，在此阈值下方，对症药品均不是 Y。此阈值是一个比率，即钠（Na）和钾（K）的比率。&br&&strong&创建网络图&/strong&&br&通过网络图可以反映不同类别之间的联系。&br&&img src=&/e95d80cd85c7c6b5b09942_b.png& data-rawheight=&407& data-rawwidth=&580& class=&origin_image zh-lightbox-thumb& width=&580& data-original=&/e95d80cd85c7c6b5b09942_r.png&&&br&由此图可以看出，只有药品 A 和 B 与高血压有关。只有药品 C 和 X 与低血压有关。只有药品 X 与正常血压有关。&br&&strong&直方图&/strong&&br&结论：当 Na_to_K 字段的值大于或等于 15 时，应选择药品 Y。 &br&&img src=&/b55e23e285ef834fbd98b3_b.png& data-rawheight=&647& data-rawwidth=&917& class=&origin_image zh-lightbox-thumb& width=&917& data-original=&/b55e23e285ef834fbd98b3_r.png&&&br&&strong&构建模型&/strong&&br&&br&&br&&img src=&/e18c45b2c43e71de09be_b.png& data-rawheight=&377& data-rawwidth=&615& class=&origin_image zh-lightbox-thumb& width=&615& data-original=&/e18c45b2c43e71de09be_r.png&&&br&&strong&查看流&br&&/strong&&br&&img src=&/77ca03cb85768fefd5bfd8e13cfef7a3_b.png& data-rawheight=&742& data-rawwidth=&682& class=&origin_image zh-lightbox-thumb& width=&682& data-original=&/77ca03cb85768fefd5bfd8e13cfef7a3_r.png&&&br&&img src=&/afb23e7d300_b.png& data-rawheight=&564& data-rawwidth=&1033& class=&origin_image zh-lightbox-thumb& width=&1033& data-original=&/afb23e7d300_r.png&&&br&&br&&img src=&/af834db32f2_b.png& data-rawheight=&905& data-rawwidth=&1598& class=&origin_image zh-lightbox-thumb& width=&1598& data-original=&/af834db32f2_r.png&&
陈 虹 1258025黎 婷 1258095冯 丽 1251026胡登琼 1251046一、要解决的问题？通过数据挖掘找出适合治疗此疾病的药物，我们可以通过数据挖掘找出适合治疗此疾病的药物二、如何解决的？1.打开Clementine，添加原始数据，
然后读取文本数据
2.添加数据表，了解…
已有帐号？
无法登录？
社交帐号登录