数据挖掘试验指导书
数据挖掘实验指导书
《数据仓库与数据挖掘》实验指导书主编张磊审校2012-1-11目录实验报告模板 (1)实验一、SSIS教程1-3课 (3)实验二、SSAS教程1-3课 (5)实验三、数据挖掘教程 (10)实验报告模板见下页。
青岛大学实验报告年月日姓名系年级组别同组者科目题目仪器编号[注：下面空白处明确实验目的、内容和要求，简要概括实验过程，适量拷屏部分关键界面放到实验报告中，评价最终结果是否正确，记录实验过程遇到的问题及解决结果，简单总结心得体会。
必要时加页，每个实验报告1-3页篇幅为宜。
]实验一、SSIS教程1-3课实验目的：采用SQL Server 2005的Integration Service，熟悉ETL工具的功能和使用方法实验内容：结合教材的ETL知识，打开SQL Server 2005的SSIS教程，按教程步骤完成1-3课，4学时，其中第1课2学时，第2、3课2学时。
实验要求：每次实验课结束前5分钟关闭SQL Server Business Intelligence Development Studio和SQL Server Management Studio，将项目文件夹拷贝到U盘或压缩后发到自己邮箱保存起来，以便下次实验课可以继续往下做或最后上交。
每次实验课开始时先使用SQL Server Configuration Manager启动必需的SQL Server 服务。
按时完成实验内容，整理实验报告。
实验说明：注意SQL Server 2005与SQL Server 2000的差异，如“框架”，访问表时必须使用框架名来限定，如SalesOrders.Employee；注意因中文教程是由英文教程翻译而来，所以有些地方出现名称翻译不足（即软件界面上是中文而教程中是英文）或过翻译（即软件界面上是英文而教程中是中文），因为大家懂英文所以这点应该不成问题；注意因为我们安装的SQL Server不是采用默认实例名（而是DWDM），而教程中假设的是采用默认实例名，所以有些地方的配置受到影响，需要进行更改；注意解决方案、项目和项的区别：解决方案可以包含多个项目；每个项目包含一个或多个项；按下图打开SSIS教程，做的过程中，注意以下问题：（1）创建的项目放到一个方便找到的自定义文件夹中以便每次下课时可以拷贝带走（2）第1课的“添加和配置平面文件连接管理器”步骤中的“重新映射列数据类型”部分，将【但现在，请不要进行任何更改，单击“取消”返回“平面文件连接管理器编辑器”对话框的“高级”窗格，查看建议的列数据类型。
数据仓库与数据挖掘实验指导
数据仓库与数据挖掘实验指导By TMS目录3第 1 课：创建SQL server2005的DT项目和基本包 ...................................................51.1 创建新的 Integration Services项目 .......................................................61.2 添加和配置平面文件连接管理器 ..............................................................1.3添加和配置 OLE DB 连接管理器 ............................................................881.4在包中添加数据流任务 .......................................................................91.5添加并配置平面文件源 .......................................................................1.6添加并配置查找转换 .........................................................................9101.7添加和配置 OLE DB 目标 ..................................................................111.8测试 Lesson 1 教程包 .....................................................................12第 2 课：添加循环 ................................................................................132．1 创建 Lesson 2 包 ........................................................................132.2添加和配置 Foreach 循环容器 ...............................................................13一、 添加 Foreach 循环容器 ................................................................14三、将枚举器映射为用户定义的变量 .........................................................14四、将数据流任务添加到循环中 .............................................................142．3修改平面文件连接管理器 ...................................................................152.4 测试 Lesson 2 教程包 .....................................................................16第 3 课：在 Analysis Services项目中定义数据源视图及多维数据集...................................16项目 ...........................................................一、 创建 Analysis Services18二、定义新的数据源 ...........................................................................22三、定义数据源视图 ...........................................................................25四、修改表的默认名称 .........................................................................27五、定义多维数据集 ...........................................................................32五、检查多维数据集和维度属性 .................................................................40项目 ...............................................................六、部署 Analysis Services第 1 课：创建SQL server2005的DT项目和基本包在本课中，您将创建一个简单 ETL 包，该包可以从单个平面文件源提取数据，使用两个查找转换组件转换该数据，然后将该数据写入 AdventureWorksDW 中的 FactCurrencyRate 事实数据表。
叶志伟数据挖掘实验指导书(算法编程部分)
《数据挖掘与数据仓库》实验指导书2013年计算机学院计算应用实验1 Apriori算法实现一、实验目的1、掌握Apriori算法对于关联规则挖掘中频繁集的产生以及关联规则集合的产生过程；2、根据算法描述编程实现算法，调试运行。
并结合相关实验数据进行应用，得到分析结果。
数据和删除数据的操作。
实验类型：综合计划课间：2学时二、实验内容1、频繁项集的生成与Apriori算法实现；2、关联规则的生成过程与Rule-generate算法实现；3、结合样例对算法进行分析；三、实验步骤编写程序完成下列算法：1、Apriori算法输入：数据集D；最小支持数minsup_count；输出：频繁项目集LL1={large 1-itemsets}For (k=2; Lk-1≠Φ; k++)Ck=apriori-gen (Lk-1); // Ck是k个元素的候选集For all transactions t∈D dobegin Ct=subset(Ck,t); //Ct是所有t包含的候选集元素for all candidates c ∈Ct do c.count++;endLk={c ∈Ck| c.count ≧ minsup_count }EndL=∪Lk;2、apriori-gen (Lk-1) 候选集产生算法输入： (k-1)-频繁项目集Lk-1输出： k-频繁项目集CkFor all itemset p∈Lk-1 doFor all itemset q∈Lk-1 doIf p.item1=q.item1, p.item2=q.item2, …,p.itemk-2=q.itemk-2, p.itemk-1<q.itemk-1 thenbegin c=p∞qif has_infrequent_subset(c, Lk-1)then delete celse add c to CkEndReturn Ck3、has_infrequent_subset(c, Lk-1)功能：判断候选集的元素输入：一个k-频繁项目集Lk-1 ，(k-1)-频繁项目集Lk-1输出：c是否从候选集中删除的布尔判断For all (k-1)-subsets of c doIf Not(S∈Lk-1) THEN return TRUE;Return FALSE;4、Rule-generate(L,minconf)输入：频繁项目集；最小信任度输出：强关联规则算法：FOR each frequent itemset lk in Lgenerules(lk,lk);5、Genrules递归算法：Genrules(lk:frequent k-itemset, xm:frequent m-itemset)X={(m-1)-itemsets xm-1 | xm-1 in xm};For each xm-1 in XBEGIN conf=support(lk)/support(xm-1);IF (conf≧minconf) THENBEGIN输出规则:xm-1->(lk-xm-1),support,confidence;IF (m-1)>1) THEN genrules(lk,xm-1);END;END;结合相关样例数据对算法进行调试，并根据相关实验结果对数据进行分析，四、实验报告要求1、用C语言或者其他语言实现上述相关算法。
数据仓库与数据挖掘实验指导书样本
实验一、DTS使用一、实验目:1.理解MS SQL Server 安装, 熟悉MS SQL Server 数据库使用环境2.理解数据库和数据仓库关系, 为数据仓库建立数据库3.纯熟使用MS SQL Server DTS, 可以将各种数据源数据按照数据仓库设计规定导入到数据仓库二、实验内容:1.熟悉MS SQL Server 数据库和表基本操作。
2.为数据仓库建立新数据库Mynorthwind。
3.使用DTS导入TXT文本文献到Mynorthwind。
4.使用DTS导入Access数据库到Mynorthwind。
5.使用DTS导入Excel文献到Mynorthwind。
6.使用DTS从Northwind导出Products和Categories两个表到Mynorthwind。
7、使用DTS查询导入, 从Northwind导出Employees表到Mynorthwind, 并将源表中first name和lastname列合成一种列fullname。
8、使用DTS查询导入, 从Northwind导出Orders表到Mynorthwind为Dates 表, 并将源表Orders表中OrderDate一列提成年、月、日、周、季五列, 同步保存OrderDate一列。
9、使用DTS查询导入, 从Northwind导出Order Details表到Mynorthwind 为Facts表。
一方面用Select语句将产品类别编号和员工编号等从各自表中取出, 另一方面计算共计列值, 计算办法为单价*(1-折扣)*数量, 然后将Order Details表内容复制到Facts表各列。
三、实验环节:1、启动Microsoft SQL Server“服务管理器”, 打开“公司管理器”, 在浮现“SQL Server Enterprise Manager”窗口中, 单击加号找到数据库, 右键选取“新建数据库…”, 打开对话框如图1.1所示, 输入数据库名：Mynorthwind, 点击拟定完毕创立。
数据仓库与数据挖掘实验指导书王浩畅资料.doc
数据仓库与数据挖掘实验指导书王浩畅资料.doc数据仓库与数据挖掘实验指导书东北⽯油⼤学计算机与信息技术系王浩畅实验⼀Weka实验环境初探⼀、实验名称:Weka实验环境初探⼆、实验⽬的：通过⼀个已有的数据集，在weka环境下，测试常⽤数据挖掘算法，熟悉Weka 环境。
三、实验要求1.熟悉weka的应⽤环境。
2.了解数据挖掘常⽤算法。
3.在weka环境下，测试常⽤数据挖掘算法。
四、实验平台新西兰怀卡托⼤学研制的Weka系统五、实验数据Weka安装⽬录下data⽂件夹中的数据集weather.nominal.arff，weather.arff六、实验⽅法和步骤1、⾸先，选择数据集weather.nominal.arff，操作步骤为点击Explorer，进⼊主界⾯，点击左上⾓的“Open file...”按钮，选择数据集weather.nominal.arff⽂件，该⽂件中存储着表格中的数据，点击区域2中的“Edit”可以看到相应的数据：选择上端的Associate选项页，即数据挖掘中的关联规则挖掘选项，此处要做的是从上述数据集中寻找关联规则。
点击后进⼊如下界⾯：2、现在打开weather.arff，数据集中的类别换成数字。
选择上端的Associate选项页，但是在Associate选项卡中Start按钮为灰⾊的，也就是说这个时候⽆法使⽤Apriori算法进⾏规则的挖掘，原因在于Apriori算法不能应⽤于连续型的数值类型。
所以现在需要对数值进⾏离散化，就是类似于将20-30℃划分为“热”，0-10℃定义为“冷”，这样经过对数值型属性的离散化，就可以应⽤Apriori算法了。
Weka提供了良好的数据预处理⽅法。
第⼀步：选择要预处理的属性temperrature从中可以看出，对于“温度”这⼀项，⼀共有12条不同的内容，最⼩值为64（单位：华⽒摄⽒度，下同），最⼤值为85，选择过滤器“choose”按钮，或者在同⾏的空⽩处点击⼀下，即可弹出过滤器选择框，逐级找到“Weka.filters.unsupervised.attribute.Discretize”，点击；若⽆法关闭这个树，在树之外的地⽅点击“Explorer”⾯板即可。
数据挖掘实验（一）bp神经网络实验指导书48
数据挖掘实验（一）BP神经网络实验吴诗乐通信7班20123100053一、实验目的初步熟悉MATLAB 工作环境，熟悉命令窗口，学会使用帮助窗口查找帮助信息。
二、实验内容1、网络设计，包括输入层、隐含层、输出层节点个数的设计。
2、算法步骤3、编程，注意原始数据的通用化，数据输入的随机性。
4、网络训练，注意训练数据与验证数据分开。
5、网络验证6、结果分析，修改隐含层节点个数，修改学习率，分别对结果的影响。
三、实验数据本实验以Fisher的Iris数据集作为神经网络程序的测试数据集。
Iris数据集可以在/wiki/Iris_flower_data_set 找到。
也可以在UCI数据集中下载。
Iris数据集中Iris花可分为3个品种，现需要对其进行分类。
不同品种的Iris 花的花萼长度、花萼宽度、花瓣长度、花瓣宽度会有差异。
现有一批已知品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度的数据。
要求用已有的数据训练一个神经网络用作分类器。
四、神经网络实现1. 数据预处理在训练神经网络前一般需要对数据进行预处理，一种重要的预处理手段是归一化处理。
下面简要介绍归一化处理的原理与方法。
(1) 什么是归一化？数据归一化，就是将数据映射到[0,1]或[-1,1]区间或更小的区间，比如(0.1,0.9) 。
(2) 为什么要归一化处理？<1>输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。
<2>数据范围大的输入在模式分类中的作用可能会偏大，而数据范围小的输入作用就可能会偏小。
<3>由于神经网络输出层的激活函数的值域是有限制的，因此需要将网络训练的目标数据映射到激活函数的值域。
例如神经网络的输出层若采用S形激活函数，由于S形函数的值域限制在(0,1)，也就是说神经网络的输出只能限制在(0,1)，所以训练数据的输出就要归一化到[0,1]区间。
数据挖掘实验指导书
《商务数据分析》实验指导书（适用于国际经济与贸易专业）江西财经大学国际经贸学院编写人：戴爱明目录前言 (1)实验一、SPSS Clementine 软件功能演练 (5)实验二、SPSS Clementine 数据可视化 (9)实验三、决策树C5.0 建模 (17)实验四、关联规则挖掘 (30)实验五、聚类分析（异常值检测） (38)前言一、课程简介商务数据分析充分利用数据挖掘技术从大量商务数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。
数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。
数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)，因此，数据挖掘和数据仓库的协同工作，一方面，可以迎合和简化数据挖掘过程中的重要步骤，提高数据挖掘的效率和能力，确保数据挖掘中数据来源的广泛性和完整性。
另一方面，数据挖掘技术已经成为数据仓库应用中极为重要和相对独立的方面和工具。
数据挖掘有机结合了来自多学科技术，其中包括：数据库、数理统计、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像与信号处理、空间数据分析等，这里我们强调商务数据分析所处理的是大规模数据，且其算法应是高效的和可扩展的。
通过数据分析，可从数据库中挖掘出有意义的知识、规律，或更高层次的信息，并可以从多个角度对其进行浏览察看。
所挖掘出的知识可以帮助进行商务决策支持。
当前商务数据分析应用主要集中在电信、零售、农业、网络日志、银行等方面。
二、课程的任务和实验的教学目标课程编号：课程属性：专业任选课实验学时：8适用专业：国际经济与贸易先修课程：数据库技术、概率论与数理统计、统计学《商务数据分析》是一门理论和实践相结合的课程，其上机实验的目的主要是实现数据挖掘的主要算法，训练学生实际动手进行数据挖掘设计和软件应用的能力，加深对数据挖掘相关概念和算法的理解。
3,4-数据挖掘实验指导书
数据挖掘实验3——分类实验步骤：主要步骤：数据选择——〉数据挖掘——〉结果评价——〉应用模型预测——〉结果输出例1分类挖掘在贷款审批中的应用1、打开I-Miner软件（开始——程序——Insightful Miner，选择“创建新工作簿”——按“确定”；2、数据选择：按住“读Excel文件”图标（“数据读入”——“读Excel文件”），将其拉入右侧的“工作簿”（WorkSheet）中；然后进行如下属性设置：（右击“读Excel文件”图标，打开“属性”编辑框）1）通过“浏览”按钮选中待挖掘的数据（从FTP上下载的“Credit Screening”Excel文件）；2）选择工作簿为“Credit Screening”；3）设置缺省列类型为“Category”；4）点击“更新预览”按钮，查看是否能够读取出数据。
再后运行“读Excel文件”图标（右击“读Excel文件”图标，选择“运行至此”）。
3、创建分类模型：按住“分类型决策树”图标（“模型”——“分类型模型”——“分类型决策树”），将其拉入右侧的“工作簿”（WorkSheet）中，并将其与“读取Excel文件”连接起来；然后进行如下属性设置：（右击“分类型决策树”图标，打开“属性”编辑框）1）选择分类的目标属性：本实验中设置“因变量列”为列“Granted”；2）选择决策属性：本实验中将所剩下的“可用列”设置为“自变量列”；3）其他属性采用默认设置；再后运行“分类型决策树”图标（右击“分类型决策树”图标，选择“运行至此”）。
4）查看决策树：右击“分类型决策树”图标，选择“查看器”，就可以看到刚才创建的决策树模型。
5、应用模型预测：按住“预测”图标（“模型”——“预测方法”——“预测”），将其拉入右侧的“工作簿”（WorkSheet）中，并将其与“分类型决策树”连接起来；同时将其与一待预测的数据文件（可将预测的数据保存至Excel文件，如predict.xls，然后按步骤2所示方法进行设置）连接起来。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《商务数据分析》实验指导书（适用于国际经济与贸易专业）江西财经大学国际经贸学院编写人：戴爱明目录前言 (1)实验一、SPSS Clementine 软件功能演练 (5)实验二、SPSS Clementine 数据可视化 (9)实验三、决策树C5.0 建模 (17)实验四、关联规则挖掘 (30)实验五、聚类分析（异常值检测） (38)前言一、课程简介商务数据分析充分利用数据挖掘技术从大量商务数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。
数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。
数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)，因此，数据挖掘和数据仓库的协同工作，一方面，可以迎合和简化数据挖掘过程中的重要步骤，提高数据挖掘的效率和能力，确保数据挖掘中数据来源的广泛性和完整性。
另一方面，数据挖掘技术已经成为数据仓库应用中极为重要和相对独立的方面和工具。
数据挖掘有机结合了来自多学科技术，其中包括：数据库、数理统计、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像与信号处理、空间数据分析等，这里我们强调商务数据分析所处理的是大规模数据，且其算法应是高效的和可扩展的。
通过数据分析，可从数据库中挖掘出有意义的知识、规律，或更高层次的信息，并可以从多个角度对其进行浏览察看。
所挖掘出的知识可以帮助进行商务决策支持。
当前商务数据分析应用主要集中在电信、零售、农业、网络日志、银行等方面。
二、课程的任务和实验的教学目标课程编号：课程属性：专业任选课实验学时：8适用专业：国际经济与贸易先修课程：数据库技术、概率论与数理统计、统计学《商务数据分析》是一门理论和实践相结合的课程，其上机实验的目的主要是实现数据挖掘的主要算法，训练学生实际动手进行数据挖掘设计和软件应用的能力，加深对数据挖掘相关概念和算法的理解。
本课程具有技术性和实践性较强的特点，因此，配合基本原理的讲授，应当安排相应的实习操作。
通过实验和操作，使学生巩固和加深数据仓库与数据挖掘理论知识，进一步加强学生独立分析问题和解决问题的能力、综合设计及创新能力的培养，为今后工作打下良好的基础。
经过多层次、多方式的全面训练后，学生应达到下列要求：1．进一步巩固和加深数据挖掘基本知识的理解，提高综合运用所学知识，建立、管理和分析商务数据的能力。
2．能根据需要选学参考书，查阅相关的工具，通过独立思考，深入钻研有关问题，学会自己独立分析问题、解决问题，具有一定的创新能力。
3．能正确处理大规模数据，选择数据挖掘工具的开发平台和相关的软件解决实践问题。
4．能独立撰写实验报告，准确分析实验结果，总结有关的问题，提出相关的建议。
三、实验教材及参考书理论课教材及参考书：☞数据仓库与数据挖掘教程（丛书名：高等院校信息管理与信息系统专业系列教材）作者：陈文伟编著，清华大学出版社，2006.8☞数据仓库和数据挖掘，苏新宁等编著，清华大学出版社，2006.4☞数据仓库与数据挖掘技术（第2版），陈京民编著，电子工业出版社，2007.11☞Jiawei Han, Micheline Kamber. Data Mining: Concepts and Techniques.高等教育出版社（影印版）,2001.5.☞Ian H. Witten, Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques (第二版). 机械工业出版社（影印版），2005.☞Richard J. Roiger, Michael W. Geatz. Data Mining: A Tutorial-Based Primer.清华大学出版社，2003.实验教材：☞数据挖掘Clementine应用实务，谢邦昌主编，机械工业出版社，2008.4☞数据挖掘原理与SPSS Clementine应用宝典，元昌安主编，电子工业出版社，2009.8四、实验基本内容及学时分配按照《商务数据分析》实验教学大纲的要求，共设立实验4个，总计20学时。
试验基本内容与学时分配如下表：五、实验方式与基本要求1、本课程的实验为非单独设课，因此，应该课程的内容安排和进度，配合技术原理的讲授，进行相应的操作和实验。
2、该课以综合性实验为主，教师给出实验题目，实验前学生必须进行预习，3、在规定的时间内，由学生独立完成，出现问题，教师要引导学生独立分析、解决，不得包办代替。
4、实验中按要求做好学生实验情况及结果记录，实验后认真填写实验记录。
5、实验指导书仅作为上机时的参考步骤，不能作为唯一的依据，以教材和课堂讲授为准。
实验一、SPSS Clementine 软件功能演练【实验目的】1、熟悉SPSS Clementine 软件功能和操作特点。
2、了解SPSS Clementine 软件的各选项面板和操作方法。
3、熟练掌握SPSS Clementine 工作流程。
【实验内容】1、打开SPSS Clementine 软件，逐一操作各选项，熟悉软件功能。
2、打开一有数据库、或新建数据文件，读入SPSS Clementine，并使用各种输出节点，熟悉数据输入输出。
(要求：至少做access数据库文件、excel文件、txt文件、可变文件的导入、导出)【实验步骤】1、启动Clementine：请从Windows 的“开始”菜单中选择：所有程序SPSS Clementine 11.1SPSS Clementine client 11.12、Clementine窗口当第一次启动Clementine 时，工作区将以默认视图打开。
中间的区域称作流工作区。
在Clementine 中，这将是用来工作的主要区域。
Clementine 中绝大部分的数据和建模工具都在选项板中，该区域位于流工作区的下方。
每个选项卡都包含一组以图形表示数据挖掘任务的节点，例如访问和过滤数据，创建图形和构建模型。
释放。
随后可将各个图标连接以创建一个表示数据流动的流。
窗口的右上方是输出和对象管理器。
这些选项卡用于查看和管理各种Clementine 对象。
“流”选项卡包含了当前会话中打开的所有流。
可以将这些流保存并关闭，也可将其添加到工程中。
“输出”选项卡包含了由Clementine 中的流操作产生的各类文件。
可以显示、重命名和关闭此处所列的表格、图形和报告。
“模型”选项卡是一个功能强大的工具，包含了在一次会话中产生的所有模型（即，已在Clementine 中构建完毕的模型）。
通过它，可以对模型作更深入的查看、将其添加至流中、导出或为其加注解。
窗口右侧底部的部分是工程工具，它用来创建和管理数据挖掘工程。
查看在Clementine 中创建的工程有两种方式- 类视图或CRISP-DM 视图。
“CRISP-DM”选项卡提供了一种组织工程的方式。
“类”选项卡提供了一种在Clementine 中按类别（即，按照所创建对象的类别）组织工作的方式。
当要获取数据、流、模型等对象的详尽目录时，这种视图十分有用。
实验二、SPSS Clementine 数据可视化【实验目的】1、熟悉SPSS Clementine 绘图。
2、了解SPSS Clementine 图形选项面板各节点的使用方法。
3、熟练掌握SPSS Clementine 数据可视化流程。
【实验内容】1、打开SPSS Clementine 软件，逐一操作各图形选项面板，熟悉软件功能。
2、打开一有数据库、或新建数据文件，读入SPSS Clementine，并使用各种输出节点，熟悉数据输入输出。
(要求：至少做分布图、直方图、收集图、多重散点图、时间散点图)【实验步骤】1、启动Clementine：请从Windows 的“开始”菜单中选择：所有程序PSS Clementine 11.1SPSS Clementine client 11.12、建立一个流、导入相关数据，打开图形选项面板3、绘制以下各类图形（1）以颜色为层次的图（2）以大小为层次的图（3）以颜色、大小、形状和透明度为层次的图（4）以面板图为层次的图（5）三维收集图（6）动画散点图（8）直方图（10）多重散点图未标准化时的多重散点图标准化后的多重散点图（11）网络图实验三、决策树C5.0 建模【实验目的】1、熟悉SPSS Clementine建模方法。
2、掌握SPSS Clementine分布图、散点图、网络图的创建方法。
3、掌握决策树C5.0决策方法。
【实验内容】1、创建散点图。
2、创建分布图。
3、创建网络图。
【实验步骤】假设你是一位正在汇总研究数据的医学研究员。
已收集了一组患有同一疾病的患者的数据。
在治疗过程中，每位患者均对五种药物中的一种有明显反应。
的任务就是通过数据挖掘找出适合治疗此疾病的药物。
此示例使用名为druglearn.str 的流，此流引用名为DRUG1n 的数据文件。
可以从任何Clementine Client 安装软件的Demos 目录下找到这些文件，也可以通过从Windows 的“开始”菜单选择Start > [All] Programs > SPSS Clementine 11.1 > Demos访问这些文件。
文件druglearn.str 位于Classification_Module 目录中。
此 demo 中使用的数据字段包括：使用变量文件节点读取定界文本数据。
可以从选项板中添加变量文件节点，方法是单击源选项卡找到此节点，或者使用收藏夹选项卡（默认情况下，其中包含此节点）。
然后，双击新添加的节点以打开相应的对话框。
单击紧挨“文件”框右边以省略号“...”标记的按钮，浏览到系统中的Clementine 安装目录。
打开demos 目录，然后选择名为DRUG1n 的文件。
选择从文件读取字段名，并注意已载入此对话框中的字段和值。
单击数据选项卡，覆盖和更改某个字段的存储。
注意，存储不同于类型或数据字段的用途。
类型选项卡可帮助了解数据中的更多字段类型。
还可以选择读取值来查看各个字段的实际值，具体取决于在值列中的选择。
此过程称为实例化。
类型选项卡可帮助了解数据中的更多字段类型。
还可以选择读取值来查看各个字段的实际值，具体取决于在值列中的选择。
此过程称为实例化。
2、添加表。
现在已载入数据文件，可以浏览一下某些记录的值。
其中一个方法就是构建一个包含表节点的流。
要将表节点添加到流中，可双击选项板中的表节点图标或将其拖放到工作区。
双击选项板中的某个节点后，该节点将自动与流工作区中的选定节点相连接。