转别人的PD使用心得。

附上一些使用pd11的心得:

1、安装PD v11.0版

2、由pdm生成建表脚本时,字段超过15字符就发生错误(oracle)
原因未知,解决办法是打开PDM后,会出现Database的菜单栏,进入Database - Edit Current DBMS -script-objects-column-maxlen,把value值调大(原为30),比如改成60。出现表或者其它对象的长度也有这种错误的话都可以选择对应的objects照此种方法更改!
或者使用下面的这种方法:
生成建表脚本时会弹出Database generation提示框:把options - check model的小勾给去掉,就是不进行检查(不推荐)!
或者可以修改C:/Program Files/Sybase/PowerDesigner Trial 11/Resource Files/DBMS/oracl9i2.xdb文件
修改好后,再cdm转为pdm时,选择“Copy the DBMS definition in model”把把这个资源文件拷贝到模型中。

3、生成的建表脚本中如何把对象的双引号去掉?
打开cdm的情况下,进入Tools-Model Options-Naming Convention,把Name和Code的标签的Charcter case选项设置成Uppercase或者Lowercase,只要不是Mixed Case就行!
或者选择Database->Edit current database->Script->Sql->Format,有一项CaseSensitivityUsingQuote,它的 comment为“Determines if the case sensitivity for identifiers is managed using double quotes”,表示是否适用双引号来规定标识符的大小写,可以看到右边的values默认值为“YES”,改为“No”即可!
或者在打开pdm的情况下,进入Tools-Model Options-Naming Convention,把Name和Code的标签的Charcter case选项设置成Uppercase就可以!

4、建立一个表后,为何检测出现Existence of index的警告
A table should contain at least one column, one index, one key, and one reference.
可以不检查 Existence of index 这项,也就没有这个警告错误了!
意思是说没有给表建立索引,而一个表一般至少要有一个索引,这是一个警告,不用管也没有关系!

5、创建一个表在修改字段的时候,一修改name的内容,code也跟着变化,如何让code不随着name变化
Name和Code 的右侧都有一个按钮“=”,如果需要不同步的话,把这个按钮弹起来就可以了。
Tools->General Options->Dialog->Name to Code Mirroring (去掉)

6、由CDM生成PDM时,自动生成的外键的重命名
PDM Generation Options->Detail->FK index names默认是%REFR%_FK,改为FK_%REFRCODE%,其中%REFRCODE%指的就是CDM中Relationship的code!另外自动生成的父字段的规则是PDM Generation Options->Detail->FK column name template中设置的,默认是%.3:PARENT%_%COLUMN%,可以改为Par%COLUMN%表示是父字段!

7、如何防止一对一的关系生成两个引用(外键)
要定义关系的支配方向,占支配地位的实体(有D标志)变为父表。
在cdm中双击一对一关系->Detail->Dominant role选择支配关系

8、修改报表模板中一些术语的定义
即文件:C:/Program Files/Sybase/PowerDesigner Trial 11/Resource Files/Report Languages/Chinese.xrl
Tools-Resources-Report Languages-选择Chinese-单击Properties或双击目标
修改某些对象的名称:Object Attributes/Physical Data Model/Column/
        ForeignKey:外键
        Mandatory:为空
        Primary:主键
        Table:表
用查找替换,把“表格”替换成“表”
修改显示的内容为别的:Values Mapping/Lists/Standard,添加TRUE的转化列为是,FALSE的转化列为空
另外Report-Title Page里可以设置标题信息  

Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=1521854 

1. 实验标题:选择用户群 2. 实验目的 通过本次实验,学生将掌握聚类分析的基本原理和方法,并能够将其应 用于实际的用户行为数据分析中,以实现用户分群和针对性的营销策略制 定。 学生将熟悉数据生成、预处理、降维、聚类以及结果分析的完整流 程,进一步提升数据分析与数据挖掘的实践能力,同时加深对聚类模型及其 在商业应用中的理解。 3. 实验要求 1. 理解聚类分析原理:学生需深入理解聚类分析的基本概念,包括K￾Means聚类、层次聚类等算法的原理、优缺点及其应用场景,能够清晰 阐述聚类分析在数据分析中的作用和意义。 2. 掌握数据生成与预处理:学生需熟悉代码中模拟用户行为数据的生成逻 辑,理解如何通过随机生成数据来模拟现实场景中的用户行为。同时, 掌握数据预处理的基本方法,如异常值处理、数据标准化等。 3. 完成降维与聚类分析:学生需按照代码要求,使用主成分分析(PCA) 对数据进行降维处理,并通过轮廓系数和手肘法确定最优聚类数量,进 而使用K-Means聚类或层次聚类算法对用户进行分群。学生需能够解释 降维和聚类结果的意义。 4. 分析聚类结果并生成策略:学生需对聚类结果进行深入分析,计算每个 用户群的特征中心,并根据各用户群的特征生成针对性的营销策略建 议。学生需能够清晰展示各用户群的特征差异,并合理解释策略的依 据。 5. 进行可视化展示:学生需利用可视化工具展示聚类结果和各用户群的特 征分布,包括用户群在主成分空间中的分布、各用户群的特征对比雷达 图等,以直观展示聚类分析的结果和营销策略的依据。 6. 撰写实验报告:学生需撰写详细的实验报告,内容包括实验目的、实验 步骤、代码实现、实验结果分析、实验心得等。报告要求条理清晰、逻 辑严谨、语言简洁,能够准确反映实验过程和结果,同时结合实验体会 对聚类分析的应用和局限性进行讨论。 4. 实验步骤 1. 数据生成:运行代码中的generate_user_data 函数,生成模拟的用户行 为数据,观察数据的结构和分布情况,理解各用户特征之间的关系。 2. 数据预处理: 使用 preprocess_data 函数对生成的数据进行预处理,包括异常值处 理和数据标准化。 检查预处理后的数据,确保数据的合理性和可分析性。 3. 降维处理: 使用 perform_pca 函数对预处理后的数据进行主成分分析,确定合适 的主成分数量,并将数据降维到主成分空间。 可视化主成分的解释方差比例,分析降维效果。 4. 确定最优聚类数量: 使用 determine_optimal_clusters 函数,通过轮廓系数和手肘法确定 最优聚类数量。 可视化轮廓系数和手肘法的结果,确定合理的聚类数量。 5. 执行聚类分析: 使用 perform_clustering 函数,根据确定的最优聚类数量,对降维后 的数据进行聚类分析。 将聚类结果添加到数据中,形成完整的聚类结果数据集。 6. 分析聚类结果: 使用 analyze_cluster_features 函数,分析每个用户群在主成分空间和 原始特征空间的特征中心。 可视化各用户群在主成分空间中的分布情况,以及各用户群的特征 分布对比。 7. 生成营销策略: 根据各用户群的特征中心,使用 generate_strategies 函数生成针对性 的营销策略建议。 输出各用户群的规模、特征和策略建议,并进行详细解释。 8. 可视化策略相关信息: 使用 visualize_strategies 函数,可视化各用户群的规模和特征对比雷 达图,直观展示各用户群的特征差异和策略依据。 9. 实验报告撰写:根据实验过程和结果,撰写实验报告,总结实验收获和 体会,同时对实验过程中遇到的问题及解决方案进行详细说明。 5. 数据说明 1. 数据来源: 本次实验的数据是通过代码中的 generate_user_data 函数模拟生成 的。该函数基于随机数生成器模拟了用户的多种行为特征,旨在模 拟现实世界中用户的行为数据。 数据生成逻辑:用户特征包括年龄、收入、使用频率、平均停留时 间、购买化率、社交分享次数、内容互动率、优惠敏感度和品牌 忠诚度等,每种特征通过不同的随机分布生成,同时添加了一些异 常值以模拟现实数据中的噪声。 2. 数据结构: 数据以Pandas DataFrame的形式存储,包含以下列: 用户特征列:每列代表一种用户行为特征,列名为特征名称(如 “年龄”、“收入”等),列中的值为该特征的具体数值。 数据示例: 年 龄 收入 使 用 频 率 平 均 停 留 时 间 购 买 化 率 社 交 分 享 次 数 内 容 互 动 率 优 惠 敏 感 度 品 牌 忠 诚 度 25 5000 0.3 20 0.1 3 0.2 0.5 0.6 35 7000 0.5 30 0.2 5 0.3 0.4 0.7 ... ... ... ... ... ... ... ... ... 3. 数据特点: 模拟性:数据是通过模拟生成的,因此可能存在一定的随机性,但 能够较好地反映用户行为特征之间的关系。 多特征:数据包含多种用户行为特征,每种特征通过不同的分布生 成,这为聚类分析提供了丰富的维度。 异常值:数据中添加了一些异常值,模拟现实数据中的噪声,需要 在预处理阶段进行处理。 6. 实验报告内容 1. 实验目的:简述本次实验的目标和意义。 2. 实验步骤:详细描述实验的具体步骤,包括数据生成、数据预处理、降 维处理、确定最优聚类数量、执行聚类分析、分析聚类结果、生成营销 策略及可视化策略相关信息等过程,每一步骤需说明操作方法、代码实 现及运行结果。 3. 实验结果分析: 对降维结果进行分析,说明主成分的解释方差比例及其累计解释方 差比例,评估降维效果。 根据轮廓系数和手肘法的结果,解释确定的最优聚类数量的合理 性。 分析各用户群在主成分空间和原始特征空间的特征中心,说明各用 户群的特征差异。 展示各用户群的规模和特征对比雷达图,解释生成的营销策略建议 的依据。 4. 实验心得:总结本次实验的收获和体会,包括对聚类分析的理解、数据 分析流程的掌握、实验过程中遇到的问题及解决方案等,同时对聚类分 析在用户行为分析和营销策略制定中的应用和局限性进行讨论。 5. 代码附录:附上完整的实验代码,代码需添加详细的注释,以便他人理 解和复现实验过程。 7. 评分标准 1. 实验步骤完整性(30分):实验步骤描述清晰、详细,涵盖数据生成、 数据预处理、降维处理、确定最优聚类数量、执行聚类分析、分析聚类 结果、生成营销策略及可视化策略相关信息等所有环节,每一步骤均有 明确的操作方法、代码实现及运行结果。 2. 实验结果准确性(30分):降维和聚类分析结果准确,确定的最优聚类 数量合理,各用户群的特征分析准确,生成的营销策略建议具有针对性 和实际应用价值。 3. 实验报告质量(30分):实验报告内容完整、条理清晰、逻辑严谨、语 言简洁,能够准确反映实验过程和结果,对实验结果的分析深入透彻, 实验心得具有启发性,代码附录完整且注释详细。 4. 创新性与拓展性(10分):在完成基本实验要求的基础上,学生能够对 实验进行拓展或创新,如尝试不同的聚类算法、对其他特征进行分析、 结合实际情况对营销策略提出更具创新性的建议等。给出代码
最新发布
06-12
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值