Clementine 第二講

1、ClementineClementine的數(shù)據(jù)讀入和集成的數(shù)據(jù)讀入和集成主要內(nèi)容n變量類型變量類型nClementineClementine數(shù)據(jù)的讀入操作數(shù)據(jù)的讀入操作nClementineClementine數(shù)據(jù)的集成操作數(shù)據(jù)的集成操作變量類型n從數(shù)據(jù)挖掘角度看變量類型：數(shù)值型變量、分類型變從數(shù)據(jù)挖掘角度看變量類型：數(shù)值型變量、分類型變量（定類型、定序型），量（定類型、定序型），ClementineClementine中的變量類型：中的變量類型：n連續(xù)數(shù)值型（連續(xù)數(shù)值型（RangeRange）n二分類型（二分類型（FlagFlag）n多分類型（多分類型（SetSet）n定序型（定序型（Ord

2、ered SetsOrdered Sets）n無類型（無類型（TypelessTypeless）n離散型（離散型（DiscreteDiscrete）n缺省型（缺省型（DefaultDefault）ClementineClementine變量狀態(tài)：變量狀態(tài)：非實(shí)例化：變量的存儲非實(shí)例化：變量的存儲類型和取值均未知時(shí)類型和取值均未知時(shí)半實(shí)例化：僅知道變量半實(shí)例化：僅知道變量的存儲類型，但取值范的存儲類型，但取值范圍未知圍未知實(shí)例化：變量的存儲類實(shí)例化：變量的存儲類型和取值均已確定型和取值均已確定變量類型n從計(jì)算機(jī)存儲角度看變量類型從計(jì)算機(jī)存儲角度看變量類型n整數(shù)型（整數(shù)型（IntergerInte

3、rger）：存儲整型數(shù)）：存儲整型數(shù)n實(shí)數(shù)型（實(shí)數(shù)型（RealReal）：存儲小數(shù)）：存儲小數(shù)n字符串型（字符串型（StringString）：存儲字符串型數(shù)據(jù)）：存儲字符串型數(shù)據(jù)n時(shí)間型（時(shí)間型（TimeTime）：存儲持續(xù)時(shí)間數(shù)據(jù)）：存儲持續(xù)時(shí)間數(shù)據(jù)n日期型（日期型（DateDate）：存儲日期數(shù)據(jù)）：存儲日期數(shù)據(jù)n時(shí)間戳型（時(shí)間戳型（Time StampTime Stamp）：存儲時(shí)間點(diǎn)數(shù)據(jù)）：存儲時(shí)間點(diǎn)數(shù)據(jù)n不同角度的變量類型之間是相關(guān)聯(lián)的不同角度的變量類型之間是相關(guān)聯(lián)的讀入數(shù)據(jù)nClementineClementine支持的數(shù)據(jù)格式支持的數(shù)據(jù)格式n自由格式文本自由格式文本nExcel

4、Excel電子表格電子表格n數(shù)據(jù)庫文件數(shù)據(jù)庫文件nSPSSSPSS格式格式n以讀自由格式文本為例（以讀自由格式文本為例（Drgu.txtDrgu.txt）（）（Var.FileVar.File節(jié)點(diǎn)節(jié)點(diǎn)) )nFileFile選項(xiàng)卡：指定所讀入數(shù)據(jù)的基本格式選項(xiàng)卡：指定所讀入數(shù)據(jù)的基本格式nDataData選項(xiàng)卡：指定所讀變量的存儲類型和輸入格式選項(xiàng)卡：指定所讀變量的存儲類型和輸入格式nFilterFilter選項(xiàng)卡：指定不讀哪些變量或重命名變量名選項(xiàng)卡：指定不讀哪些變量或重命名變量名nTypesTypes選項(xiàng)卡：指定變量的計(jì)量類型，對變量的缺失選項(xiàng)卡：指定變量的計(jì)量類型，對變量的缺失值和取值合

5、理性等進(jìn)行檢查值和取值合理性等進(jìn)行檢查數(shù)據(jù)集成n數(shù)據(jù)集成包括：數(shù)據(jù)集成包括：n第一，兩份或多份數(shù)據(jù)的縱向合并第一，兩份或多份數(shù)據(jù)的縱向合并n第二，兩份或多份數(shù)據(jù)的橫向合并第二，兩份或多份數(shù)據(jù)的橫向合并n數(shù)據(jù)的縱向合并數(shù)據(jù)的縱向合并( ( Append Append 節(jié)點(diǎn)節(jié)點(diǎn)) )：Student.xlsStudent.xls數(shù)據(jù)集成n數(shù)據(jù)的橫向合并數(shù)據(jù)的橫向合并(Merge(Merge節(jié)點(diǎn)節(jié)點(diǎn)) )n以客戶瀏覽網(wǎng)頁數(shù)據(jù)（以客戶瀏覽網(wǎng)頁數(shù)據(jù)（WebData.mdbWebData.mdb）為例）為例數(shù)據(jù)集成n數(shù)據(jù)的橫向合并的聯(lián)接方式：內(nèi)連接（數(shù)據(jù)的橫向合并的聯(lián)接方式：內(nèi)連接（inner joini

6、nner join）、）、全外連接（全外連接（full outer joinfull outer join）、局部外連接）、局部外連接（partial outer joinpartial outer join）和反連接（）和反連接（anti-joinanti-join）ClementineClementine的數(shù)據(jù)理解的數(shù)據(jù)理解主要內(nèi)容n變量說明變量說明n數(shù)據(jù)質(zhì)量評估和調(diào)整數(shù)據(jù)質(zhì)量評估和調(diào)整n數(shù)據(jù)的有序?yàn)g覽數(shù)據(jù)的有序?yàn)g覽n多維度匯總多維度匯總變量說明n變量說明是確保高質(zhì)量數(shù)據(jù)的有效途徑變量說明是確保高質(zhì)量數(shù)據(jù)的有效途徑n變量說明包括：變量說明包括：n第一，對數(shù)據(jù)流中變量取值的有效性進(jìn)行第一，對

7、數(shù)據(jù)流中變量取值的有效性進(jìn)行限定、檢查和調(diào)整限定、檢查和調(diào)整n第二，對各個(gè)變量在未來數(shù)據(jù)建模中的角第二，對各個(gè)變量在未來數(shù)據(jù)建模中的角色進(jìn)行說明色進(jìn)行說明變量說明(Type節(jié)點(diǎn))n以以Students.xlsStudents.xls為例，數(shù)據(jù)存在的問題：為例，數(shù)據(jù)存在的問題：n家庭人均年收入變量，有部分樣本取值家庭人均年收入變量，有部分樣本取值$null$null$，表示空缺；有一個(gè)樣本取值為，表示空缺；有一個(gè)樣本取值為999999999999。n是否無償獻(xiàn)血變量值，填寫不規(guī)范。規(guī)范是否無償獻(xiàn)血變量值，填寫不規(guī)范。規(guī)范值應(yīng)為值應(yīng)為YesYes和和NoNo，但有些樣本卻取，但有些樣本卻取1 1（

8、表示（表示YesYes）和）和0 0（表示（表示NoNo）n重新實(shí)例化重新實(shí)例化n有效變量值和無效值調(diào)整有效變量值和無效值調(diào)整n有效變量值是變量正常取值范圍內(nèi)的值有效變量值是變量正常取值范圍內(nèi)的值n無效值，通常指缺失值。無效值，通常指缺失值。ClementineClementine中的中的缺失值通常包括兩類：缺失值通常包括兩類：n一類是系統(tǒng)缺值，用一類是系統(tǒng)缺值，用$null$null$表示，還包表示，還包括空串和空格等。括空串和空格等。n另一類是用戶缺失值另一類是用戶缺失值變量說明(Type節(jié)點(diǎn))nMissingMissing列：列：nOn(On(* *) )：表示允許相應(yīng)變量取用戶缺失值和

9、系統(tǒng)缺失：表示允許相應(yīng)變量取用戶缺失值和系統(tǒng)缺失值，且不進(jìn)行調(diào)整值，且不進(jìn)行調(diào)整nOffOff：表示不允許相應(yīng)變量取用戶缺失值：表示不允許相應(yīng)變量取用戶缺失值nSpecifySpecify：說明變量的有效取值范圍等，并指定數(shù)據(jù)：說明變量的有效取值范圍等，并指定數(shù)據(jù)調(diào)整方法調(diào)整方法nCoerceCoerce：表示調(diào)整為指定值：表示調(diào)整為指定值nFlagFlag型變量調(diào)整為型變量調(diào)整為FalseFalse類對應(yīng)的值類對應(yīng)的值nSetSet型變量調(diào)整為第一個(gè)變量值型變量調(diào)整為第一個(gè)變量值n數(shù)值型變量，大于上限調(diào)整為上限值，小于下限調(diào)數(shù)值型變量，大于上限調(diào)整為上限值，小于下限調(diào)整為下限值，其余值調(diào)整為

10、（最大值整為下限值，其余值調(diào)整為（最大值+ +最小值）最小值）/2/2變量說明(Type節(jié)點(diǎn))變量說明(Type節(jié)點(diǎn))n變量角色變量角色nInIn：作為輸入變量：作為輸入變量nOutOut：作為輸出變量：作為輸出變量nBothBoth：即作為輸入角色，也作為輸出角色：即作為輸入角色，也作為輸出角色nPartitionPartition：樣本集分割角色，是數(shù)據(jù)挖掘：樣本集分割角色，是數(shù)據(jù)挖掘中的特有角色中的特有角色nNoneNone：不參與分析：不參與分析數(shù)據(jù)質(zhì)量的評估和調(diào)整(Data Audit節(jié)點(diǎn))n以以Telephone.savTelephone.sav為例為例nQualityQualit

11、y選項(xiàng)卡選項(xiàng)卡Missing valueMissing value框框nCount of records with valid valuesCount of records with valid values，計(jì)算各變量的有效樣本量；計(jì)算各變量的有效樣本量；nbreakdown counts of records with breakdown counts of records with invalid valuesinvalid values，計(jì)算各變量取，計(jì)算各變量取各種各種無效無效值的樣本個(gè)數(shù)值的樣本個(gè)數(shù)nQualityQuality選項(xiàng)卡選項(xiàng)卡Outliers & Extrem

12、e valuesOutliers & Extreme values框框n指定離群點(diǎn)和極端值的診斷標(biāo)準(zhǔn)指定離群點(diǎn)和極端值的診斷標(biāo)準(zhǔn)數(shù)據(jù)質(zhì)量的評估和調(diào)整(Data Audit節(jié)點(diǎn))n變量值的調(diào)整變量值的調(diào)整n離群點(diǎn)和極端值的調(diào)整離群點(diǎn)和極端值的調(diào)整(Action(Action列列) )nCoerceCoerce：調(diào)整為距其最近的正常值：調(diào)整為距其最近的正常值n缺失值的調(diào)整缺失值的調(diào)整(Impute Missing(Impute Missing列列) )n找出高質(zhì)量的變量找出高質(zhì)量的變量nGenerateGenerate下的下的Filter NodeFilter Node項(xiàng)項(xiàng)n篩掉無效樣本（

13、指定變量上取無效值的樣本）篩掉無效樣本（指定變量上取無效值的樣本）nGenerateGenerate下的下的Select NodeSelect Node項(xiàng)項(xiàng)數(shù)據(jù)理解的其他n數(shù)據(jù)的有序?yàn)g覽（數(shù)據(jù)的有序?yàn)g覽（SortSort節(jié)點(diǎn)）節(jié)點(diǎn)）n以以Telephone.savTelephone.sav為例，目標(biāo)：為例，目標(biāo)：n第一，按基本費(fèi)用的降序排序數(shù)據(jù)；第一，按基本費(fèi)用的降序排序數(shù)據(jù)；n第二，根據(jù)客戶最終是否流失，將數(shù)據(jù)第二，根據(jù)客戶最終是否流失，將數(shù)據(jù)按基本費(fèi)用的降序排序按基本費(fèi)用的降序排序數(shù)據(jù)理解的其他n數(shù)據(jù)的分類匯總數(shù)據(jù)的分類匯總(Aggregate(Aggregate節(jié)點(diǎn)節(jié)點(diǎn)) )n以以Tel

14、ephone.savTelephone.sav為例，目標(biāo)：為例，目標(biāo)：n第一，分別計(jì)算未流失客戶和流失客戶第一，分別計(jì)算未流失客戶和流失客戶的基本費(fèi)用的平均值和標(biāo)準(zhǔn)差的基本費(fèi)用的平均值和標(biāo)準(zhǔn)差n第二，分別針對未流失客戶和流失客戶第二，分別針對未流失客戶和流失客戶群，計(jì)算選用不同類套餐類型的客戶，群，計(jì)算選用不同類套餐類型的客戶，其基本費(fèi)用的平均值和標(biāo)準(zhǔn)差其基本費(fèi)用的平均值和標(biāo)準(zhǔn)差ClementineClementine的數(shù)據(jù)準(zhǔn)備的數(shù)據(jù)準(zhǔn)備主要內(nèi)容n變量轉(zhuǎn)換變量轉(zhuǎn)換n變量派生變量派生n數(shù)據(jù)精簡數(shù)據(jù)精簡n數(shù)據(jù)篩選數(shù)據(jù)篩選變量轉(zhuǎn)換n變量轉(zhuǎn)換是對變量的原有取值進(jìn)行轉(zhuǎn)換處理，變量轉(zhuǎn)換是對變量的原有取值進(jìn)

15、行轉(zhuǎn)換處理，覆蓋變量的原來取值覆蓋變量的原來取值n CLEMCLEM表達(dá)式：表達(dá)式：( (Clementine Language for Clementine Language for Expression Manipulation)Expression Manipulation)專門用于表述運(yùn)算專門用于表述運(yùn)算操作，描述算術(shù)表達(dá)式和條件表達(dá)式操作，描述算術(shù)表達(dá)式和條件表達(dá)式nCLEMCLEM的算術(shù)表達(dá)式是用于算術(shù)運(yùn)算的式子，的算術(shù)表達(dá)式是用于算術(shù)運(yùn)算的式子，由常量、變量、算術(shù)運(yùn)算符和函數(shù)等組成由常量、變量、算術(shù)運(yùn)算符和函數(shù)等組成n普通函數(shù)和專業(yè)函數(shù)（普通函數(shù)和專業(yè)函數(shù)（ ）nCLEMCLEM

16、的條件表達(dá)式是用于表述條件是否滿的條件表達(dá)式是用于表述條件是否滿足的式子，由常量、變量、條件運(yùn)算符和足的式子，由常量、變量、條件運(yùn)算符和函數(shù)等組成，且條件表達(dá)式的計(jì)算結(jié)果只函數(shù)等組成，且條件表達(dá)式的計(jì)算結(jié)果只有真和假兩個(gè)取值有真和假兩個(gè)取值變量轉(zhuǎn)換n變量的重新計(jì)算變量的重新計(jì)算(Filler(Filler節(jié)點(diǎn)節(jié)點(diǎn)) )n以以Students.xlsStudents.xls為例，目標(biāo)：對在校綜合為例，目標(biāo)：對在校綜合評價(jià)指數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，使其能夠直觀評價(jià)指數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，使其能夠直觀反映學(xué)生在校綜合的水平。反映學(xué)生在校綜合的水平。n變量類別值的重新調(diào)整變量類別值的重新調(diào)整(Reclassif

17、y(Reclassify節(jié)點(diǎn)節(jié)點(diǎn)) )n以以Students.xlsStudents.xls為例，目標(biāo)：是否無償獻(xiàn)為例，目標(biāo)：是否無償獻(xiàn)血取值不規(guī)范，將取值血取值不規(guī)范，將取值1 1和和0 0應(yīng)分別調(diào)整為應(yīng)分別調(diào)整為YesYes和和No No 變量派生n生成新變量（生成新變量（DeriveDerive節(jié)點(diǎn)）節(jié)點(diǎn)）n以以ReportCard.xlsReportCard.xls為例，目標(biāo)：為例，目標(biāo)：n第一，計(jì)算每個(gè)學(xué)生的總成績第一，計(jì)算每個(gè)學(xué)生的總成績n第二，對每個(gè)學(xué)生的每門成績進(jìn)行兩級第二，對每個(gè)學(xué)生的每門成績進(jìn)行兩級評定計(jì)算，大于等于評定計(jì)算，大于等于6060分，則評定為合分，則評定為合格，

18、否則評定為不合格格，否則評定為不合格n第三，對每個(gè)學(xué)生的每門成績按第三，對每個(gè)學(xué)生的每門成績按A A、B B、C C、D D、E E進(jìn)行多級評定計(jì)算進(jìn)行多級評定計(jì)算n第四，根據(jù)思想品德課程的得分對每個(gè)第四，根據(jù)思想品德課程的得分對每個(gè)學(xué)生的總成績進(jìn)行調(diào)整學(xué)生的總成績進(jìn)行調(diào)整變量派生n生成服從正態(tài)分布的新變量生成服從正態(tài)分布的新變量(Transform(Transform節(jié)點(diǎn)節(jié)點(diǎn)) )n以以Telephone.savTelephone.sav為例，目標(biāo)：分析客戶的為例，目標(biāo)：分析客戶的收入、開通月數(shù)以及各種費(fèi)用，應(yīng)做怎樣收入、開通月數(shù)以及各種費(fèi)用，應(yīng)做怎樣的轉(zhuǎn)換處理才接近正態(tài)分布的轉(zhuǎn)換處理才接近

19、正態(tài)分布n派生啞變量派生啞變量(SetToFlag(SetToFlag節(jié)點(diǎn)節(jié)點(diǎn)) )n以以Telephone.savTelephone.sav為例，目標(biāo)：將服務(wù)套餐為例，目標(biāo)：將服務(wù)套餐類型轉(zhuǎn)換成啞變量的形式類型轉(zhuǎn)換成啞變量的形式數(shù)據(jù)精簡n數(shù)據(jù)精簡包括以下方面：數(shù)據(jù)精簡包括以下方面：n第一，從壓縮樣本入手，通過減少樣本量第一，從壓縮樣本入手，通過減少樣本量，提高建模效率。主要有借助概率抽樣隨，提高建模效率。主要有借助概率抽樣隨機(jī)抽取樣本，或選取特定樣本。（本章）機(jī)抽取樣本，或選取特定樣本。（本章）n第二，從壓縮變量取值入手，通過減少變第二，從壓縮變量取值入手，通過減少變量取值個(gè)數(shù)，提高建模效率

20、。主要指變量量取值個(gè)數(shù)，提高建模效率。主要指變量值的分箱處理；值的分箱處理；n第三，從壓縮變量個(gè)數(shù)入手，通過減少變第三，從壓縮變量個(gè)數(shù)入手，通過減少變量維度，提高建模效率。主要借助統(tǒng)計(jì)方量維度，提高建模效率。主要借助統(tǒng)計(jì)方法降維，或依據(jù)相關(guān)性進(jìn)行特征選擇法降維，或依據(jù)相關(guān)性進(jìn)行特征選擇數(shù)據(jù)精簡n隨機(jī)抽樣（隨機(jī)抽樣（SampleSample節(jié)點(diǎn)）節(jié)點(diǎn)）n以以Telephone.savTelephone.sav為例，目標(biāo)：為例，目標(biāo)：n第一，隨機(jī)抽取第一，隨機(jī)抽取70%70%的客戶數(shù)據(jù)；的客戶數(shù)據(jù)；n第二，對流失和未流失客戶，分別抽取第二，對流失和未流失客戶，分別抽取70%70%的樣本的樣本n根據(jù)

21、條件選取樣本（根據(jù)條件選取樣本（SelectSelect節(jié)點(diǎn)）節(jié)點(diǎn)）n以以ReportCard.xlsReportCard.xls為例，目標(biāo)：篩選出總為例，目標(biāo)：篩選出總成績大于成績大于500500分的所有男生（性別為分的所有男生（性別為1 1）樣）樣本本數(shù)據(jù)篩選：樣本的平衡處理n數(shù)據(jù)篩選，是指為服務(wù)于后續(xù)建模所進(jìn)行的樣數(shù)據(jù)篩選，是指為服務(wù)于后續(xù)建模所進(jìn)行的樣本平衡處理和樣本集劃分本平衡處理和樣本集劃分n樣本平衡處理的意義：一般用于非平衡數(shù)據(jù)集樣本平衡處理的意義：一般用于非平衡數(shù)據(jù)集（imbalanced data set）的建模準(zhǔn)備。的建模準(zhǔn)備。n非平衡數(shù)據(jù)集，是指數(shù)據(jù)集中某一類或者非平衡數(shù)

22、據(jù)集，是指數(shù)據(jù)集中某一類或者某些類的樣本數(shù)量遠(yuǎn)遠(yuǎn)大于其它類的樣本某些類的樣本數(shù)量遠(yuǎn)遠(yuǎn)大于其它類的樣本數(shù)。通常樣本數(shù)量多的一類或幾類樣本成數(shù)。通常樣本數(shù)量多的一類或幾類樣本成為多數(shù)類，也稱正類。樣本數(shù)量較少的類為多數(shù)類，也稱正類。樣本數(shù)量較少的類稱為少數(shù)類或稀有類，也稱負(fù)類。稱為少數(shù)類或稀有類，也稱負(fù)類。數(shù)據(jù)篩選：樣本的平衡處理n非平衡樣本建模存在的問題非平衡樣本建模存在的問題n傳統(tǒng)的分類方法傾向于對多數(shù)類有較高的傳統(tǒng)的分類方法傾向于對多數(shù)類有較高的識別率，對少數(shù)類的識別率較低，有時(shí)的識別率，對少數(shù)類的識別率較低，有時(shí)的模型是沒有實(shí)用性的模型是沒有實(shí)用性的82%82%總的正確率意義總的正確率意義

23、不大！不大！TPTP和和TNTN的占比都較的占比都較高才好！高才好！數(shù)據(jù)篩選：樣本的平衡處理n非平衡樣本的處理：再抽樣（非平衡樣本的處理：再抽樣（Re-sampleingRe-sampleing）n過抽樣過抽樣( (Over-sampling):Over-sampling):增加負(fù)類樣本數(shù)增加負(fù)類樣本數(shù)量改變樣本的分布量改變樣本的分布n欠抽樣欠抽樣(Under-sampling):(Under-sampling):減少正類樣本數(shù)減少正類樣本數(shù)量改變數(shù)據(jù)的分布量改變數(shù)據(jù)的分布n樣本的平衡處理樣本的平衡處理(Balance(Balance節(jié)點(diǎn)節(jié)點(diǎn)) )，隨機(jī)過抽樣，隨機(jī)過抽樣和隨機(jī)欠抽樣和隨機(jī)欠抽

24、樣n以以Drug.txtDrug.txt為例，目標(biāo)：對不同藥物隨機(jī)為例，目標(biāo)：對不同藥物隨機(jī)再抽樣再抽樣數(shù)據(jù)篩選：樣本子集的劃分n樣本子集劃分的意義：便于得到相對準(zhǔn)確的模樣本子集劃分的意義：便于得到相對準(zhǔn)確的模型誤差估計(jì)型誤差估計(jì)n做法：做法：n將全部樣本隨機(jī)劃分成兩個(gè)或三個(gè)子集將全部樣本隨機(jī)劃分成兩個(gè)或三個(gè)子集n訓(xùn)練（訓(xùn)練（TrainingTraining）樣本集：用于建立和）樣本集：用于建立和訓(xùn)練模型訓(xùn)練模型n測試（測試（TestingTesting）樣本集：用于模型的誤）樣本集：用于模型的誤差估計(jì)差估計(jì)數(shù)據(jù)篩選：樣本子集的劃分n樣本子集的常見劃分方法：樣本子集的常見劃分方法：n旁置（旁置

25、（HoldOutHoldOut）法和反復(fù)旁置法）法和反復(fù)旁置法n交叉驗(yàn)證交叉驗(yàn)證( (Cross Validation) )法法n留一留一( (Leave-one-out)Leave-one-out)交叉驗(yàn)證法交叉驗(yàn)證法nN N折交叉驗(yàn)證法折交叉驗(yàn)證法( (N Cross-Validation) )n重抽樣自舉法（重抽樣自舉法（BootStrapBootStrap）ClementineClementine的基本分析的基本分析主要內(nèi)容n數(shù)值型變量的基本分析數(shù)值型變量的基本分析n兩分類型變量相關(guān)性的研究兩分類型變量相關(guān)性的研究n兩個(gè)總體的均值比較兩個(gè)總體的均值比較nRFMRFM分析分析計(jì)算基本描述

26、統(tǒng)計(jì)量nStatisticsStatistics節(jié)點(diǎn)節(jié)點(diǎn)n以以Telephone.savTelephone.sav為例，目標(biāo)：為例，目標(biāo)：n計(jì)算基本服務(wù)累計(jì)開通月數(shù)、上月基本費(fèi)計(jì)算基本服務(wù)累計(jì)開通月數(shù)、上月基本費(fèi)用的基本描述統(tǒng)計(jì)量用的基本描述統(tǒng)計(jì)量n分析上述變量與年齡、家庭月收入（百元分析上述變量與年齡、家庭月收入（百元）、家庭人口之間，以及開通月數(shù)與基本）、家庭人口之間，以及開通月數(shù)與基本費(fèi)用之間的相關(guān)性費(fèi)用之間的相關(guān)性n篩選出相關(guān)程度較高的變量篩選出相關(guān)程度較高的變量繪制散點(diǎn)圖nPlotPlot節(jié)點(diǎn)節(jié)點(diǎn)n以以Telephone.savTelephone.sav為例，目標(biāo)：為例，目標(biāo)：n展示

27、流失和保留客戶，上月基本費(fèi)用和開展示流失和保留客戶，上月基本費(fèi)用和開通月數(shù)情況通月數(shù)情況nJitterJitter選項(xiàng)：數(shù)據(jù)中存在大量重復(fù)值時(shí)，變量選項(xiàng)：數(shù)據(jù)中存在大量重復(fù)值時(shí)，變量值修正為臨近實(shí)際值的隨機(jī)值值修正為臨近實(shí)際值的隨機(jī)值nWhen number of records greater thanWhen number of records greater than：樣本：樣本量大于指定值時(shí)的處理策略量大于指定值時(shí)的處理策略nClementineClementine的圖數(shù)交互、圖數(shù)共享、圖形編輯的圖數(shù)交互、圖數(shù)共享、圖形編輯繪制線圖n以以 ExportApple.savExportApple.sav為例，目標(biāo)：為例，目標(biāo)：n一般線圖（一般線圖（PlotPlot節(jié)點(diǎn)）節(jié)點(diǎn)）n鮮蘋果出口量的時(shí)序線圖、鮮蘋果出口量的年鮮蘋果出口量的時(shí)序線圖、鮮蘋果出口量的年度對比度對比n多線圖（多線圖（ Time Plo