RapidMiner实验报告

实验目的：使用RapidMiner对数据进行分析
实验工具：RapidMiner
实验数据：
实验数据说明：实验数据是通过研究对象的三种特征，一个是每年坐飞机飞行的里程数miles,二个是玩视频游戏所耗时间的百分比gamepercent，每周消费的冰淇淋公升数icecream，来判断一个人是否具有吸引力（didn't like、smallDoses,lagerDoses）
实验过程：
打开RapidMiner ,新建一个Process
导入数据,如图所示
点击下一步到出现如图所示界面，将Response设为label
最后将数据存储在如下图的位置，命名为TrainingData,点击finish完成
将数据TrainingData拖拽到process窗口中，用线连接至result接口，可以看到如下数据
其中有些Response的值丢失了，共有31个
这时需要使用Filter Examples 过滤掉没有值得Response行，操作如下图
数据筛选完成之后，选择Decision Tree Model,拖入到process中，连接起来，参数选择默认设置
训练好模型之后，我们可以用模型预测一下TrainingData中没有标记的样例，与上面的数据过滤方法相同，只是设置有所不同，如下图
使用Apply Model来运用模型
整个连接图如下所示
实验的预测结果
部分决策树截图
如图，加入一个Validation
其参数如下图，默认的10表示将样例分为十份，取一份作为测试数据
双击Validation右下角的矩形表框进入，建议决策树模型，应用模型
退出Validation 如图连接到result
运行输出结果如下
上图显示准确率为96%左右，正负误差为%，表明训练所得模型是比较稳定的
实验总结
1.我在这个过程中运用的测试集与训练集是相同的，这可能会使整个模型的预测能力比实际要偏大
2.该实验的难点是数据源的收集与筛选，选择什么样的数据，需要怎样的处理才有意义是不容易的
3.模型算子的选择对于我来说比较难，因为对这个是不熟悉的，所以基本上所有的参数都是默认的，这个感觉不太好
4.对结果的分析不是很明白。