实验要求说明

【项目名称】基于有监督学习算法的鸢尾蝶数据分析与实践

【项目背景】了解数据库理论和目前大数据主流技术的结合，利用数据库作为存储媒介，结合锦城BI读取数据表，构建机器学习模型，进行有监督学习算法的分析挖掘，从而科学有效的识别鸢尾蝶花的类型。

项目使用的数据集为鸢尾蝶数据集，该数据集合为标准的机器学习数据，为了增加实验的挑战性，引入了部分噪声、冗余及脏数据，数据集的规模为１５０＊５，其中样本数为１５０，列数为５分别为鸢尾蝶化的花瓣的长宽、花萼的长宽、及３类鸢尾蝶花的种类。

【实践目标】通过配置链接数据库服务器的数据源，结合SQL语句完成字段类型长度、精度等相关配置，实现关系型数据的分析数据源获取，即数据抽取的过程。接下来利用有锦城BI大数据分析平台构建机器学习算法模型，进而利用鸢尾蝶花的特征，来识别鸢尾蝶花的不同类型。

【实践环境】关系数据库，BI大数据分析平台

【实践流程】

步骤一：利用关系型数据库实现数据抽取。在BI大数据分析平台，配置链接PostgreSQL数据库，URL链接、用户名、密码根据实际环境情况进行配置，

项目的相关配置信息如下：

URL链接：jdbc:postgresql://10.7.120.5:5432/tipdm_pb
　　用户名　：postgres

密码　　：postgres

在配置数据库连接后，根据项目需要配置SQL语句、创建数据源表、配置数据类型长度精度、测试连通性并实现数据同步。

步骤二：利用BI大数据分析平台进行数据的探索及预处理。在构建模型前，数据探索预处理是一个非常重要的环节，直接决定模型的质量和整体工程效果。

此处结合数据特点，探索分析适当的预处理环节，如数据清洗、数据集成、数据变换、数据规约等，使得数据源经过此环节清洗为可供模型使用的数据源。

　　步骤三：模型的构建和评估。为了使得模型具有较好的泛化能力，需要对清洁数据源选择合适的分割比例进行数据的分割，一部分用于模型构建（训练集），一部分用于模型评估（测试集）。针对训练集选择适当的有监督学习算法，进行规则学习，针对测试集，进行模型识别效果评估

【预期结果】本实践的产出结果为工程项目，包括BI大数据分析平台上的工程项目模型（全流程）及模型效果分析报告。