1. 首页
  2. 自学中心
  3. 软件
  4. Excel

Excel数据挖掘插件

Excel是大家非常熟悉的表格工具,借助它可以实现日程工作中最原始的数据处理的基本的功能,此外通过 SQL Server插件的支持,我们也可以在Excel中实现数据挖掘的功能。

此篇将先介绍Excel数据挖掘中的数据准备工作下的相关功能。

 

对于Excel 2010和2013来说,需要安装SQL Server的Excel数据挖掘插件才可以实现数据挖掘的功能,下载地址:

http://www.microsoft.com/en-us/download/details.aspx?id=35578

下载的时候需要注意的是下载的语言版本和x86以及x64的版本要对应得上。

 

安装完成后,可以在开始屏幕找到示例数据链接:

27235526-0d5868fc0dab447a96fd9aace22ac7a8

 

打开示例数据,可以看到在Excel文件下示例数据在不同的Sheet中。

27235529-0dc92b2aaa56448492f7f0f4fd2cdb0f

 

点击其中的Sheet,可以看到此篇演示需要用到的示例数据。这是一张经过组织的客户信息表,里面包含了客户的基本信息,比如婚姻状况,性别,收入以及教育程度等信息。此外还包含一个状态列记录这个用户是否购买了自行车。

27235534-9f2790dd30fb42b78971247d16b12952

 

在Ribbon工具栏中可以找到数据挖掘工具集DATA MINING。

27235535-5a3d97350466488eb32924878cc6cae9

 

此篇介绍的是Data Preparation数据准备下的三个功能:Explorer Data浏览数据, Clean Data清除数据(这里我不太认同官方的翻译,清理数据在这里可能更贴切些。)和Sample Data示例数据。

27235535-29be0b4432644a1ba9516047426adeaf

 

首先点击浏览数据,浏览数据可以帮助我们在第一时间内通过这个功能对数据进行很方便的浏览。

在第一个界面中指定数据的范围。默认选择第一个选项,是一个sheet下的所有数据,如果是第二个选项的意思是选中的数据。这里选择默认选项,点击下一步。

27235536-ba71fc035c824fca848d5c5467396051

 

在接下来的界面中,任意指定数据的一列,比如Region,然后点击下一步。

27235539-8f43765d40a44465b08166ca912d98d0

 

可以看到根据此列生成的数据图表。

27235540-3deebaabf50e487faddeabbe673429bb

 

此外,如果在先前选择的是连续类型的列,这个图标会自动组织成离散样式的。

27235541-48015838a2854341ae209dd6bb991687

 

留意到Buckets,可以指定数值被打散成几列。

27235542-d02baecd63534a42970fef386dd1a23f

 

打散之后的列可以通过点击界面右下角的Add New Column按钮将离散的列附加到工作表中。

27235544-cdaf1ff0f37e424aba11db2dbae14234

 

此外,留意界面做小角的两个按钮:

27235545-0b8cc994dc1242e59ad33178af8b61c3

 

左边的按钮是让数据以离散的方式显示,所以当前面如果选中的是Age列的话,它会认为每一个年龄信息都是一个离散的值,所以编程了这个样子。右面的按钮是以连续的方式显示,选中这个方式后系统会认为数字列是连续类型的,所以会自动将连续类型的数字打散成离散的分组。

 

以上是对浏览数据的介绍,通过这个工具可以快速的对数据的情况有一个大体的了解,此外也可以通过离散化的方式向数据表中填加附加的列。

接下来介绍的是数据清理功能,分别是Outliers和Re-label。

27235545-c43ac4f591ba4da1bb9cf3497c897ce5

 

首先介绍Outliers功能,这个功能可以帮助我们清理一些边缘数据,具体的功能请先看喜爱安的实现步骤。

点击Outliers,跟前面一样指定好范围之后,选中一个列。

27235548-af66ec08a4c64cbd97a1c540d3694da7

 

跟浏览数据一样,可以看到不同Distance的数量分布。

27235549-96130cd91eec4b8388cb42611e3f2f85

 

通过拖动上访的滑块,可以指定尾部的哪部分数据被清理掉。

27235551-2d546e5bd5c54075a306d52943898987

 

继续往前滑动,可以扩大清理数据的范围。

27235553-c358cf87f8114974aa42b626f97bff03

 

点击下一步,指定如何处理这些数据,这里有三个选项,默认的是将值转换成Other,让它们都合并为一类,第二个选项是将值清空,第三个是将数据删除。这里选择第一个。

27235553-661f4115f5ed422892581bfb60112755

 

最后,指定划分划分之后的数据如何处理,也是有三个选项,一个是作为一个新列填加,第二个是将变更的数据拷贝到一个新的工作簿中,最后一个是直接在数据表中修改。这里默认选择第一个。

27235554-08bc962376004d02b108f6269b3135ba

 

点击完成之后,可以看到根据Distance列附加的新列被加到了工作表中,并且,刚才指定清理掉的数据全部被转换成了Other以方便后续的处理。

27235557-0b5b8179e3844d0580a958d76ffa478f

这个功能可以理解为清理长尾数据,记得有一本书是书长尾理论的,它讲的是如何关注长尾部分的数据从而获取更大的收益。当然还有很多时候我们为了初步就获得数据的直观和大体的认识是不需要关注长尾部分的数据的,所以这个时候就可以借助这个功能来将其清理掉。

 

除了对长尾部分数据的清理,对于连续型的值,比如年龄,通常只有年龄段中间部分的数据才是我们需要关注的,所以当我们选择年龄时,可以看到界面变成下面的样子。

27235558-b79843540eaa4f3e9466ee0cc60cff17

 

通过拖动两边的滑块,可以指定把哪部分数据划分到需要清理的数据。

27235558-cccd1868d4a8406f98c91e49d79e20df

 

 

 

接下来介绍Re-Label功能,这是一个很实用的功能,通过这个功能我们可以将数据打成另一个标签。

点击Re-Label,指定好数据范围之后,还是跟以前一样,选中一个列。

27235602-101569e593254846b4988bcdfb3a0488

 

在下面的界面中,可以将这一列不同的值指定为新的标签。

27235603-21ade680c1434c0ca724d7462b8fc750

 

比如,像下图一样将不同的距离指定成不同的远近标记。

27235604-b1d6bc107cb84b40aadb0555934619db

 

最后,跟上一个功能一样,指定新标签的填加方式。

27235605-3268617c9d8a412096ca86f409260a4c

 

点击完成,可以看到新的列作为新标签列填加到了数据表中。

27235608-40141c32efcb47989f26d391eb93b1bb

 

 

这里有一个问题是,对于连续型的数据,比如年龄要如何设定,因为我们不可能将每一个岁数,比如21岁另启一个标签,22岁再指定一个标签。所以对于这类连续型数据我们首先要做的是利用前面介绍的浏览数据功能将数据先转换成离散的,然后再通过这个功能将离散的值指派为另一个标签,比如0-6幼年,7-15少年等。

 

 

最后,介绍示例数据功能,再次吐槽一下官方翻译,Sample这里根据环境应该是样本才对,所以这个功能翻译成样本数据更贴切,因为它本身就是抽取样本数据的。

27235608-ddb24e0dd99e440da99b92f71b2c3a81

 

点击这个按钮后,在第一个界面中会给我们两个选择,一个是随机样本数据抽取,一个是过度样本数据抽取。

27235609-8c19b6a79ef140d4afd16e20cb8e9ecb

 

先来看第一个抽取方式,很简单,根据一定的百分比或者指定的行数来进行抽取。

27235609-46e757b7e29649e4b63cd742131744b3

 

设定好之后,可以指定把样本数据放到哪里,同时也可以指定将没有抽中的数据放到哪里。

27235610-7e9669a3e50849a09ed44ccd252b9d86

 

点击完成之后,可以看到被抽中和没有被抽中的数据。

27235610-8e79a1cedb7f44f4a8050c69f11d7fa1

 

接下来过度样本数据抽取介绍起来可能比较绕口,但我们可以这样理解,比如当我们收到这样的需求,让你从数据中抽取1000行数据,但是要求这1000行数据中,已婚的比例要占到30%,当然,实际数据集中的数据,已婚的比例有可能是15%,也有可能是50%。所以如何让这1000行数据中恰巧占30%的比例,就可以通过这个功能来实现。

27235611-6a19f737968f461489365fefb32e5107

 

比如根据上面的例子,我们将已婚比例设置成30%,样本大小设置为10,这里为了演示没有设置成1000主要是为了后面方便结果的验证。

27235611-71de0648b86e4f06a0ea41f54bc6a420

 

点击下一步,抽样的数据会被填加到一个新的工作表中,这里为其取一个名字。

27235612-cfddf0f600324f0db54d11211aef17df

 

点击完成之后,我们可以通过这10行数据看到这个功能的结果。

27235612-7da0aa5349f8457393cfa4ab335fcd8f

 

 

相信通过此篇的阅读,你已经对Excel数据挖掘插件有了大概的了解。数据的准备是数据挖掘中最初始的阶段,这一篇简单的介绍了在Excel的数据挖掘插件中的这三个功能。值得一提的是,此篇介绍的这些功能是完全在Excel中作为Client端完成的,不需要SQL Server分析服务的支持。下篇将要介绍的数据挖掘功能是需要SQL Server分析服务做支持的。

 

下面是网络上提供的SQL Server的安装程序:

SQL Server 2012 With SP1 官方简体中文版(64位版)
MICROSOFT SQL SERVER 2012 ENTERPRISE CORE: FH666-Y346V-7XFQ3-V69JM-RHW28
MICROSOFT SQL SERVER 2012 BUSINESS INTELLIGENCE: HRV7T-DVTM4-V6XG8-P36T4-MRYT6
MICROSOFT SQL SERVER 2012 DEVELOPER: YQWTX-G8T4R-QW4XX-BVH62-GP68Y
MICROSOFT SQL SERVER 2012 ENTERPRISE SERVER/CAL EDITION: 748RB-X4T6B-MRM7V-RTVFF-CHC8H
MICROSOFT SQL SERVER 2012 STANDARD: YFC4R-BRRWB-TVP9Y-6WJQ9-MCJQ7
MICROSOFT SQL SERVER 2012 WEB: FB3W8-YRXDP-G8F8F-C46KG-Q998F

原创文章,作者:xsmile,如若转载,请注明出处:http://www.17bigdata.com/excel%e6%95%b0%e6%8d%ae%e6%8c%96%e6%8e%98%e6%8f%92%e4%bb%b6/

联系我们

在线咨询:点击这里给我发消息

邮件:23683716@qq.com

跳至工具栏