《网络数据挖掘》实验四

1、网络数据挖掘实验四一、实验目的 学习如何为关联规则挖掘准备数据，学习关联规则挖掘二、实验内容实验内容目录下的movies目录中的3个EXCEL文件分别为：customers.xls, movies.xls, movietype.xls,阅读其中的数据，理解3个文件之间的关系。将这3个EXCEL文件导入以自己学号命名的数据库。由于顾客看的电影片名繁多,具体电影之间的关联规则比较小,因此我们将 分析顾客所看电影类型的频繁项集和它们之间的关联规则。因此我们首先需 要将每个顾客所看的具体电影名称转换成电影的类型,然后在此基础上进行 数据挖掘。首先创建一个视图view_movietype,从moviet

2、ype表中找出所有不重复的电影类型。字段如下：字段名称字段类型说明电影类型Varchar(50)具体字段名称为movietype 中的值，注意不能重复。5.根据视图所列出的电影类型，创建一个客户观看电影类型表CusMovieType。 字段如下：字段名称字段类型说明customerlDInt(主键，不能重复，不能为 空)电影类型1Varchar(1)具体字段名称为 view movietype 中的值。电影类型2Varchar(1)O O O O。在这张表中，customerlD为客户表中的ID 号,作为本表的主键值，后面的列为第4步所创建视图的所有行，类型为字符型，长度为1,当某个custo

3、merlD 看过该类型的电影，则值为T。通过以下步骤填充表的行：创建一个视图view_customerID，从movies表中找出所有的customerlD (不能重复)。将视图 view_customerID 中的所有 customerID 插入至表 CusMovieType 中。创建一个视图view_custom_movietype,显示所有客户ID所购买电影的 类型。对视图 view_custom_movietype 表逐行搜索，寻找每个客户看过的每部电 影属于哪个类型，并将 CusMovieType 表中对应的 customerID 行的电影 类型字段值修改为 T。6.对cusMovi

4、eType表进行单维布尔关联规则挖掘，找出和“惊悚片”相关的关 联规则，挖掘结构如下：主键： CustomerID输入列：所有电影类型预测列：惊悚片挖掘算法：关联规则分析挖掘结果，内容包括a）列出所有项集大于等于 3的频繁项集（截图），并简单说明 5 种项集。b）列出包含有“惊悚片”的 3项集（5 种），并简单说明。c）列出顾客选择惊悚片的关联规则（截图），并简单说明 5 个关联规则。在第 6 步创建的挖掘结构上新建一个挖掘模型，将“喜剧片”作为预测列， 进行挖掘，写出挖掘结果。内容包括：a）列出所有项集大于等于 3的频繁项集（截图），并简单说明 5 种项集。b）列出包含有“喜剧片”的 3项集

5、（5 种），并简单说明。c）列出顾客选择喜剧片的关联规则（截图），并简单说明 5 个关联规则。下面我们将分析顾客的年龄和性别与观看电影类别的关系。首先 用 CusMovieType 表 和 customers 表 创 建 一 个 关 联 查 询 视 图 view_cus_age_movietype,里面的列包括：customerID,age,Gender（性别）,以及 所有电影类型。字段名称字段类型说明customerIDInt（主键，不能重复，不能为 空）AgeIntGenderVarchar(50)电影类型1Varchar(1)具体字段名称为 view movietype 中的值。电影类型

6、2Varchar(1)O O O O。将上面的视图中的age列离散化，按年龄从低到高，分成4组或者5组（自 己根据所有客户的年龄排序后分组,注意年龄字段中有些行为空值）,生成一 个新的列：年龄区间。对 view_cus_age_movietype 视图进行关联规则挖掘，找出顾客年龄、性别和 观看电影类型之间的关联规则，挖掘结构如下：a）主键： CustomerIDb）输入列：年龄区间，Gender，所有电影类型c）预测列：惊悚片，喜剧片d）挖掘算法：关联规则分析挖掘结果，内容包括a）列出所有项集大于等于3的频繁项集，并简单说明5种项集。b）列出包含有“年龄区间”、“性别”、“ 惊悚片”的项集（

7、3 个以上），作 简单说明c）列出包含有“年龄区间”、“性别”、“ 喜剧片”的项集（3 个以上），作 简单说明d）列出顾客的年龄区间、性别、电影类型选择“惊悚片”的关联规则，并 简单说明。e）列出顾客的年龄区间、性别、电影类型选择“喜剧片”的关联规则，并 简单说明。从 12 步可以看到由于电影类型众多，影响了关于顾客年龄、性别与我们要分 析的“惊悚片，喜剧片”（也就是说，这些结果被淹没了），因此我们需要将 挖掘模型中的输入列进行删减，不选择所有的电影类型，而只选择在第 6 步 和第 8 步挖掘出来的和“惊悚片，喜剧片”这两种类型相关的电影类型（5 种），分析挖掘结果，内容包括a）列出所有项集大于等于 3的频繁项集，并简单说明 5 种项集。b）列出包含有“年龄区间”、“性别”、“ 惊悚片”的项集（3 个以上），作 简单说明c）列出包含有“年龄区间”、“性别”、“ 喜剧片”的项集（3 个以上），作 简单说明d） 列出顾客的年龄区间、性别、电影类型选择“惊悚片”的关联规则，并 简