BI应用：从房价预测案例窥探数据挖掘

数据挖掘是从大量的数据中去发现有用的信息，根据这些信息来辅助决策。

数据挖掘揭示的是未知的、将来的数据关系，主要的作用就是预测，采用计算机技术、统计学、模型算法等。

模型算法有分类算法、回归算法、聚类算法等，每种算法类型又包含多种不同的算法，例如分类算法，就包含逻辑回归、朴素贝叶斯、决策树等，使用的编程语言有Java语言、Python，大家听了是不是觉得很专业、很复杂？今天给大家推荐一款简单易用的工具——Smartbi Mining，是由Smartbi推出的独立产品，旨在为个人、团队、企业所做的决策提供预测性分析。

Smartbi Mining具有流程化、可视化的建模界面，内置实用的、经典的统计挖掘算法和深度学习算法，并支持Python扩展算法，基于分布式云计算，可以将模型发送到Smartbi统一平台，与BI平台完美整合。

简单拖拉拽就可轻松完成预测，实在是太方便。此次以“波士顿房价预测”数据为例来带大家窥探一下数据挖掘如何进行。

1. Smartbi Mining 操作界面

点击机器学习管理界面右上角“创建机器学习项目”，可以通过示例数据源学习数据挖掘的流程和操作（创建文件目录设置名称）。

最左侧是节点树：包含了已经开发好的所有节点。

中间是主要实现区域，将节点之间拖拽过来即可。

右侧是节点的参数配置和属性配置。

2. 数据挖掘流程

数据挖掘有一套标准的流程，可以对数据进行各种科学的处理和预测，从而发现数据本身隐藏的规律。具体流程如下：

第一步：业务理解。明确目标，明确分析需求。

第二步：数据准备。收集原始数据、检验数据质量、整合数据、格式化数据。

第三步：建立模型。选择建模技术、参数调优、生成测试计划、构建模型。

第四步：评估模型。对模型进行全面的评估，评估结果、重审过程。

3. 案例演示

案例背景：房价是大家一直很关注的问题，无论房地产商还是准备购房的消费者，合理的评估房价的走势，都可以从中受益。

数据准备：房价预测主要关注的信息如下，示例数据中我们已经提前进行了处理。

建立模型：这个案例是预测目标是预测未来的房价，而房价是一个连续的数值，所有选择回归算法（线性回归）建立模型进行训练。

1. 选择数据源。本次使用的是示例数据源中的“波士顿房价预测”。

2. 数据处理。

数据字段名不是很清晰，可以通过预处理在”元数据编辑”节点修改。这里涉及到数据不多可以不设置别名，示例数据中已初步进行了处理，这里也无需再操作。

3. 算法模型。

这里需要说明的是，目前算法必须要有特征输入的过程。特征有2种途径，1种是特征选择，1种是卡方特征选择。两种的区别是如果已经知道哪种特效影响比较大，直接选择即可；如果不确定可以将字段列选择后，再设置可能影响的列的数量。

拖动节点进行特效选择。

“特征选择”，除去经纬度字段、还有作为预测输出的字段（房价），所有的字段都可以作为相关字段来参与预测。

选择算法节点：回归算法-线性回归。

算法节点需要进行训练和验证的过程，需要先进行数据的拆分，拆分成训练集和测试集。拆分后可以对线性回归算法训练，模型算法训练好之后需要进行校验。

评估模型

选择数据预测节点左侧连接训练模型，右侧连接测试数据集。在通过评估节点进行算法预测的评估。

查看一下评估节点的分析结果，主要是看r2值。

房价可能会预测成负值，我们需要处理一下，这里使用到派生列。

新建派生列：NewPrice，添加/编辑表达式：case when prediction <0 then 0.5 else

case when prediction >6 then 6 else prediction end end

意思是小于0的统一成固定值0.5，过大（6）统一成固定值。

可以通过统计分析图形化展示查看效果。（统计分析-高维数据可视化）

执行后，右击查看分析结果，选择图形类型（平行坐标图）将原价格和新的预测价格拖动到X轴区域。

下图可以查看预测范围没有偏差很大。

以上就是通过数据挖掘预测房价的过程。可视化的界面，数据挖掘的每一步流程通过功能点的拖动和参数（属性）配置实现。高大上的功能也可以接地气的操作。