《数据挖掘导论》实验课——实验5、数据挖掘之产品预测任务

1、实验目的

1. 学会利用决策树、KNN与Navie Bayes完成预测任务

2、实验工具

1. Anaconda

2. sklearn

3. Pandas

3、实验内容

产品预测任务

1.任务描述

本次比赛主要是一个对进出口交易记录数据进行产品判别的任务。本次任务有 19046 条数据记录，其中的 18279 条记录是有类别属性的，可做为分析时的训练样本，而任务目标是对 767 条测试数据（即验证样本）进行判别（本实验采用其中的20个样本）。

1) 数据描述

已分类的训练样本提供在比赛题目下 Excel 附件中的 cck_train 表中，训练样本的详情以下，其中，表格中的每条记录包含 7 个字段。

未分类的验证样本提供在比赛题目下 Excel 附件中的 cck_test 表中。验证样本的信息以下，表格中的每条记录包含 5 个已知属性字段，其中表中属性内容与 cck_表 略有不一样，具体属性字段的含义请参考下节描述。

2) 属性描述

本次任务提供的样本数据包含 7 个基础属性字段，其中有 2 个连续型数值类属性字段为：Quality and Price，5 个离散型数值类属性字段为：Enterprise（560）、Destination（144）、Origin（131）、Custom（20）、Product（364）。各字段具体含义以下：
Quality:表示每条交易记录中交易产品的数量，可忽略单位。
Price:表示每条交易记录中交易产品的平均价格，单位为元。
Enterprise（560）:表示每条交易记录中交易产品的供应商编码。
Destination（144）:表示每条交易记录中交易产品的买方国家编码。
Origin（131）: 表示每条交易记录中交易产品的原产地编码。
Custom（20）: 表示每条交易记录中交易产品通关海关编码。
Product（364）: 表示每条交易记录中交易产品的名称类别。
在验证样本中的字段 Product1 ,Product2 ,Product3 为参赛者进行分类预测后几率由大到小排名
前 3 名的产品类别，字段编码同 Product 字段。

3) 样本描述

不管是在训练样本仍是验证样本中，咱们能够看到，一条交易记录数据包括 Enterprise（560）、
Destination（144）、Origin（131）、Custom（20）、Product（364）5 个基本属性字段，括
号内为每一个属性下包含的全部特征值个数，而这些属性将是咱们学习训练样本获得分类模型的关
键，根据一条交易记录的每一个属性的特征值的出现状况，利用模型对验证样本的交易产品类别进
行分类预测。

2. 结果评价

在整个验证样本预测结果中，参赛者在第 i 条记录的产品类别预测值与实际类别彻底一致时可得
10 分，即预测结果字段 Product1 为实际产品类别。产品类别预测值与实际类别不一致时，其中
若是预测结果 Product2 为实际产品类别的，参赛者在该条验证样本可得 2 分；若是预测结果
Product3 为实际产品类别的，该条验证样本可得 1 分，对整个 767 条验证样本预测结果加总得
到一个总分 S：（本实验采用期中的20个样本）。
取 F=S/P*100%
（其中 P 为全部验证样本类别预测结果均与实际结果相一致的总成绩，即 P=7670）为每位参与者的模型评价得分，各位参与者模型得分由高到低依次排列。

4、实验要求

1. 写出摘要，即简要阐述任务的完成状况。

在处理数据时遇到了些麻烦，使用LabelEncoder对字符型数据进行了编码转换得以解决。经过对DataFrame的操做，最终实现了数据的处理，并将预测的产品类别保存在了excel表格中。

2. 给出任务完成方案。能够用框图等方式。

使用sklearn的KNeighborsClassifier()函数进行knn预测。

3. 给出具体的任务实现步骤。

1.导入excel中的数据

2.将数据划分为X_train 和结果Product：y_train

4.声明knn训练模型

结果却出现了类型转换错误：
解决方案：LabelEncoder 用 0 到 n_classes-1 之间的值对标签进行编码

使用代码：

for col in X_test.columns.values: if X_test [ col ] .dtypes=='object': le.fit(X_test[col]) X_test[col]=le.transform(X_test[col])

报错：
经测试，Enterprise被识别成float，但事实上数据中夹杂着ABPE等字符
因而进行了类型转换处理
编码后的数据效果以下图：

最终得出预测结果：

导入给定的测试样本，并对前20个数据进行预测判断Product

knn.predict获得预测结果

4. 给出任务完成结果，结果写到实验报告系统中，用表格的形式。