在本案例中我们将在蓝鲸数据中进行数据挖掘的分类问题，分类的目的是对鸢尾花的品种进行预测，算法部分选取决策树及神经网络算法构建预测模型，以方便两个模型的性能对比。本案例的整体工作流如图1所示。

图1

一、案例背景

假设有一名植物学爱好者对她发现的鸢尾花的品种很感兴趣。她收集了每朵鸢尾花的一些测量数据：花瓣的长度和宽度以及花萼的长度和宽度，所有测量结果的单位都是厘米。

她还有一些鸢尾花分类的测量数据，这些花之前已经被植物学专家鉴定为属于setosa、versicolor或virginica三个品种之一。对于这些测量数据，她可以确定每朵鸢尾花所属的品种。

基于这些数据，我们可以构建一个机器学习模型，从这些已知品种的鸢尾花测量数据中进行学习，从而能够预测新鸢尾花的品种。因为我们有已知的鸢尾花的测量数据，是数据挖掘中的分类问题，是一个有监督学习问题。

二、分析过程

1.数据的导入与观测

添加“文件”组件用于加载本地数据，选择蓝鲸已经集成的iris.tab，即鸢尾花数据集，这是机器学习和统计学中一个经典的数据集，“文件”组件也可以显示数据集的基本信息。

图2

2.算法选择与设置

分类预测属于有监督问题，用户需要定义好目标特征变量，可通过双击组件来实现编辑。算法的参数保持默认设置，如图3所示。

图3

3.模型评估

模型评估组件用于观测训练模型的性能，本实验中由于数据体量较小，可采用“10折交叉检验”进行训练，各训练模型性能参数如图4所示。

图4

从整体上看，神经网络模型的AUC值稍大于决策树模型，具有较强的泛化性能；然而神经网络模型的准确度（CA）、调和平均值（F1）、精度（Precision）皆弱于决策树模型，决策树模型具有较高的预测精度。

4.预测与评估

最后，通过“预测”组件观察两种不同模型的预测拟合值与真实值的分布情况，如图5所示，基于决策树模型的预测值，相对神经网络模型的预测值而言，精度相对较高。

图5

三、结论

本案例构建了以神经网络与决策树算法为基础的鸢尾花（iris）的分类预测模型，由于数据体量较小，采用“10折交叉检验法”进行模型训练，通过比较两种不同预测模型的各种参数性能可以发现，神经网络模型相较决策树模型具有较好的泛化性能，然而模型训练时间成本较高，预测准确度、精度及调和平均值皆逊于决策树模型。