识别药物发明中的可能目标和有希望的线索

数据获取和准备

完成教程： 安装 Oracle Data Miner 10g 第 2 版 。

双击 <your_path>\bin\odminerw.exe。

要以 dmuser1 连接，单击 OK。

您可能想在您的用户架构中确认示例表和视图。展开 Data Sources > dmuser1。
这将显示表和视图。单击 Tables 查看表；单击 Views 获取视图列表。

可以显示表或视图的结构。单击 MINING_DATA_BUILD_V。

单击 Data 选项卡查看内容示例。

滚到窗口 右侧查看完整的详细信息

注意：默认显示记录数为 100；在 Fetch Size 窗口中输入不同的数，然后单击 Refresh 更新显示的大小。此外，可以单击 Fetch Next 增加显示的行。

右击 MINING_DATA_BUILD_V 显示具有更多选项的菜单。可以使用 Transformation 向导和其他工具进行数据发掘。

要查看统计汇总，可以根据数据格式类型单击两个选项之一。单击 Show Summary Single-Record。

您的输出应该如以下图像所示：

对于每个数值性属性，显示了 Maximum 和 Minimum 值以及平均值和变量。这些统计信息基于示例计算而来。本例中的示例大小是 999。可以通过调整 ODM Preferences（位于 Tools 下拉菜单）来更改示例大小。

对于任何突出显示的属性，可以查看值的分类。

a.突出显示 AFFINITY_CARD。

b.单击 Histogram。

默认 bin 最多为 10；可通过单击 Preferences 更改该数字。

数值性属性分为最小和最大之间等宽的指定 bin 数。这些 bin 以属性值的升序显示。分类属性使用“Top N”方法（N 是 bin 的数量）划分 bin。出现频率最多的 N 值有自己的 bin，其他值放入一个标记为“Other”的 bin 中。这些 bin 以 bin 大小的降序显示。

当检查完时，单击 OK，然后关闭 Data Summarization Viewer 窗口。

单击 Data > Transform > Filter Single-Record。

在 Welcome 页面中单击 Next。

识别输入数据并单击 Next。本例中使用的视图是 MINING_DATA_BUILD_V。

注意：如果通过您右击该表或视图名访问该向导，则会因该数据是已知的而跳过该步骤。

为所得视图输入名称，然后单击 Next。

在 Filter 文本框中输入筛选条件。此外，要在对话框中构造条件，单击 Filter 域右边的 图标。

在 Expression Editor 页面中，执行以下步骤：

a.双击属性名 AGE。

b.单击 >= 按钮并键入 21 构造所显示条件的第一部分。

c.单击 AND 继续定义完整条件。双击 AGE。

d. 单击 <= 按钮并键入 35。

e. 单击 Validate 按钮查看是否有源数据子集满足该条件。

f. 单击 OK 在 Filter 窗口中显示该条件。

单击 Next。

单击 Finish 完成该变换。

您的输出应该如以下图像所示：

对于该主题，使用原始视图而非刚创建的视图。单击左导航器中的 MINING_DATA_BUILD_V。

要启动 Activity Build Wizard，单击 Activity > Build。

显示 New Activity Wizard-Welcome 页面。单击 Next。

在 Select Mining Type 页面上，接受默认的 Classification Function Type 以及 Decision Tree Algorithm。单击 Next。

要选择将从示例表或视图挖掘的所有数据，确保未选中 Join additional data with case table 框。如果选中该框，可以指定要与该事例表联接的其他表和架构的数据。该示例假设在本例中所有必需的数据均位于事例表 MINING_DATA_BUILD_V 中。从 Unique Identifier 下拉列表选择 CUST_ID。然后单击 Next。

您可以针对数据挖掘问题指定要预测的属性。单击 AFFINITY_CARD 单选按钮指示目标，然后单击 Next。

注意：本教程中要预测的目标属性为 AFFINITY_CARD

一些评估结果取决于您选的 Preferred Target Value。在本例中，您要识别高利润客户 (Target Value = 1)。选择 1 作为 Preferred Target Value 并单击 Next。

为活动输入描述性的名称并单击 Next。

显示 Activity Wizard 的最后一步。您可以在 Activity 中显示这些设置。单击 Advanced Settings。

这些参数的默认设置即可确保好的结果。Build 参数确定如何构造决策树的分支。单击 OK。

确保选中 Run upon finish 复选框。单击 Finish。

当完成 Activity Wizard 时，将显示所选活动对应的步骤。如果您选择 Run Upon Finish，将顺次完成这些步骤，而且每完成一个步骤将在其右侧显示一个检查标记。

要 查看该树的结构，在 Build 步骤中单击 Result。

您的结果可能与显示的结果有所不同，这是因为所采样的数据集较小。默认视图显示所有节点和用于确定分支的属性值。可以突出显示某个节点来显示将记录包括在该节点中的规则。预测值是该节点中多数记录的目标值。Confidence 是具有预测目标值的节点中的记录所占的百分比。Cases 是满足该节点规则的源数据中的实际事例数。Support 是满足该节点规则的源数据中的事例所占的百分比。

您可能只想查看终端节电（称为 Leaves）并消除中间节点。单击 Show Leaves Only 复选框。

决策树在应用于新数据时对丢失值非常敏感。但是，如果分隔属性丢失，ODM Decision Tree Algorithm 提供将用在它的位置的称为 surrogate 的可选属性。如果分隔属性和它的 surrogate 丢失，在该树的父节点确定预测值。要查看该代理，突出显示一个节点并单击 Surrogate 单选按钮。

关闭 Build Results 窗口。

要评估 Decision Tree Model，在 Test Metrics 步骤中单击 Result。

单击 Accuracy 选项卡。

单击 More Detail 按钮查看 Confusion Matrix。

Confusion Matrix 通过将该模型应用到测试活动的示例进行计算。AFFINITY_CARD 的值是已知的而且由行表示；列是 Classification Model 进行的预测。右上角和左下角单元格指示潜在预测错误。多数业务问题解决方案尝试最小化一种错误。例如，左下角单元格包含“错失的机会”数 — 该模型未正确识别的高利润客户的情形。单击 ROC 选项卡。

要探究该模型的参数中的可能更改，您可以通过单击图形右下角的箭头按钮前后滑动红线，并查看 Confusion Matrix 中的更改，直到这些值指示该问题的一个优秀解决方案。单击 Lift。

可以查看两个显示升降计算的不同解释的图形。使用所选的 Cumulative Lift 单选按钮，这指示该模型比天真的猜想好得多。在本例中，Decision Tree 找到了比第一个分支中的机会敏感 2.5 倍的示例。选择 Cumulative Positive Cases 单选按钮。

该图形指示为了找到所需的积极示例数（即高利润客户），必须分析多少示例。

单击 Activity > Apply

单击 Next。

扩展 Classification 并选择您刚生成的 Build Activity。然后单击 Next。

单击 Select 链接选择 Apply 过程的输入数据。

展开 DMUSER1 并选择 MINING_DATA_APPLY_V。然后单击 OK。

接受默认数据源。单击 Next。

将生成一个对于每个客户 Prediction 和 Probability 的表。可以选择要显示在结果中的附加属性。接受默认选项，然后单击 Next。

可以选择 Predictions 的格式。接受默认设置（包括 Target 值，其中每个事例具有最高的 Probability），然后单击 Next。

为活动输入一个名称，然后单击 Next。

确保选中 Run upon finish 复选框。单击 Finish。

您的 Data Mining 活动正在运行。但完成后，单击 Result 链接。

对于每个客户（事例），包括 1（高利润）或 0（低利润）的预测，以及该 Prediction (Probability) 中的 Confidence。成本是预测值的另一个量度 — 低 Cost 意味着高 Probability。由于该模型是一个树形结构（其中每个分支表示一个规则），您可以突出显示一行并单击 Rule 查看如何进行地预测。

解释了规则逻辑。