EXCEL IDA数据挖掘技术

一、无指导聚类

1.  选择算法

这里我们选择ESX，他具有三层结构，能够适应无指导和有指导的数据挖掘分析。

2． 设置instance similarity相似指数

越趋近于0，实例所能举出来的类就愈少。通过这个参数的控制我们能够得到想要数量的类。另一个参数real-valuedtolerance还不太清楚其中的含义。

3． 观察类数

设定参数后会出现聚类所得的类的个数，我们可以作为参考。不合适我们可以重新设置参数。

4． 数据挖掘过程

其中的算法不可见。

5． 规则产生器，能够产生相关的规则。

Minimum correctness value是指设置准确率下限，例如：准确率表示符合（Income Range = "30-40,000"，则为Class 2）的概率为100%。（符合条件和结论的事件数/符合条件的事件数）

Minimum rule coverage是指覆盖率下限，例如：覆盖率是指符合Income Range = "30-40,000"的实例在Class2中有4条，Class2有5条实例，所以，覆盖率为80%。（符合条件和结论的事件数/事件总数）

Attribute significance 是选择具有较高的Predictiveness的属性进行规则生成。一般会先设置一个比较高的值，如果没有理想的结果，就放宽条件。

   Scope：

1） all rules

2）  covering set rules 覆盖集规则  为什么只出现了关于Income Range的规则，而没有其他 Instancesource

1） all class instance