下面为大家带来Clementine数据挖掘方法及应用clementine决策树分类模型 1/6分步阅读

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。

2/6

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。 

3/6

优点：在面对数据遗漏和输入字段很多的问题时非常稳健；通常不需要很长的训练次数进行估计；比一些其他类型的模型易于理解，模型推出的规则有非常直观的解释；也提供强大的增强技术以提高分类的精度。

4/6

范例说明：

使用clementine建立流程图，如图所示：

5/6

用C5.0算法建立决策树模型：建立一个C5.0结点（Modeling\C5.0）与Type节点相连，如图所示

6/6

测试模型：现有新的数据snapshottestN.db，将建好的分类模型（pep）加入到流程中，并利用Analysis节点分析结果，如图11所示