Consider the data collected by a hy

Consider the data collected by a hypothetical video store for 50 regular customers. This data consists of a table which, for each customer, records the following attributes: Gender, Income, Age, Rentals (total number of video rentals in the past year), Avg. per visit (average number of video rentals per visit during the past year), Incidentals (whether the customer tends to buy incidental items such as refreshments when renting a video), and Genre (the customer's preferred movie genre). This data is available as an Excel spreadsheet.

Perform each of the following data preparation tasks:
a. Use smoothing by bin means to smooth the values of the Age attribute. Use a bin depth of 4.
b. Use min-max normalization to transform the values of the Income attribute onto the range [0.0-1.0].
c. Use z-score normalization to standardize the values of the Rentals attribute.
d. Discretize the (original) Income attribute based on the following categories: High = 60K+; Mid = 25K-59K; Low = less than $25K.
e. Convert the original data (not the results of parts a-d) into the standard spreadsheet format (note that this requires that you create, for every categorical attribute, additional attributes corresponding to values of that categorical attribute; numerical attributes in the original data remain unchanged).
f. Using the standardized data set (from part e), perform basic correlation analysis among the attributes. Discuss your results by indicating any strong correlations (positive or negative) among pairs of attributes. You need to construct a complete Correlation Matrix (Please read the document Basic Correlation Analysis for more detail and an example). Can you observe any "significant" patterns among groups of two or more variables? Explain.
g. Perform a cross-tabulation of the two "gender" variables versus the three "genre" variables. Show this as a 2 x 3 table with entries representing the total counts. Then, use a graph or chart that provides the best visualization of the relationships between these sets of variables. See Slide 41 in Lecture 2 for an example. Also review Chapter 4 of Berry and Linoff. Can you draw any significant conclusions?
h. Select all "good" customers with a high value for the Rentals attribute ( a "good customer is defined as one with a Rentals value of greater than or equal to 30). Then, create a summary (e.g., using means, medians, and/or other statistics) of the selected data with respect to all other attributes. Can you observe any significant patterns that characterize this segment of customers? Explain. Note: to know whether your observed patterns in the target group are significant, you need to compare them with the general population using the same metrics.
i. Suppose that because of the high profit margin, the store would like to increase the sales of incidentals. Based on your observations in previous parts discuss how this could be accomplished (e.g., should customers with specific characteristics be targeted? Should certain types of movies be preferred? Etc.). Explain your answer based on your analysis of the data.
j. Use WEKA to perform the following tasks on the original data set (use the Comma Separated version of the above data set: Video_Store.csv). Load the data into WEKA Explorer (the Preprocessing module). Remove the Customer ID attribute. Review basic statistics for different attributes by clicking on the name of each one in "attribute" panel. Next, use the unsupervised attribute "Discretize" filter to discretize the Age attribute. Finally, use the unsupervised attribute "Normalize" filter to convert all of the remaining numerical attribute into [0,1] scale. Save the resulting data set into an ARFF formatted file and submit with your answers for the above questions.

Note: You can give the final results of parts (a) through (d) as a single table which includes the original data and has an added column for each of the parts (a) through (d). The results of part (e) should be a separate table. For the correlation analysis (part f) give your correlation matrix (rows and columns of the matrix are the attributes, and entries would represent correlation value for a pair of attributes (e.g., "Income" versus "Age"). Your analyses for various parts can be added to the same spreadsheet file, or it could be included in another document (e.g., an MS Word file). Please create a single ZIP archive for all your documents and submit via Facebook.

ผลลัพธ์ (คาตาลัน) 1:

Considerar les dades recollides per un hipotètic videoclub de 50 clients habituals. Aquestes dades es compon d'una taula que, per a cada client, registra els següents atributs: gènere, ingressos, edat, lloguers (nombre total de lloguers de vídeo a l'any passat), AVG. per visita (nombre mitjà de vídeo de lloguer per visita durant l'any passat), despeses imprevistes (si el client tendeix a comprar elements addicionals com ara refrescos quan llogant un vídeo) i gènere (el client preferida gènere pel·lícula). Aquestes dades està disponibles com un full de càlcul Excel.Realitzar cadascuna de les tasques de preparació de les dades següents:a. ús de suavitzat per bin vol suavitzar els valors de l'atribut d'edat. Utilitzar una galleda profunditat de 4.b. ús normalització mín-màx a transformar els valors de l'atribut d'ingressos en l'interval [0,0-1.0].c. utilitzar z-puntuació normalització per estandarditzar els valors de l'atribut de lloguer.m. discretize l'atribut de renda (original) basat en les següents categories: alta = 60K +; Mitjans = 25k - 59K; Baixa = menys de $25k.e. convertir les dades originals (no els resultats de peces a-d) en el format Full de càlcul estàndard (Fixeu-vos que això requereix que creeu, per a cada atribut categòric, atributs addicionals corresponents als valors d'aquest atribut categòriques; atributs numèrics de les dades originals romanen inalterables).f. utilitzant el conjunt de dades normalitzada (de part e), realitzar anàlisi bàsica correlació entre els atributs. Discutir els resultats indicant qualsevol fortes correlacions (positives o negatives) entre parelles d'atributs. Cal construir una matriu de correlació completa (si us plau llegiu el document bàsic anàlisis de correlació per més detall i un exemple). Es pot observar algun patró "importants" entre grups de dues o més variables? Explicar.g. realitzar una tabulació-creu de les dues variables "gènere" enfront de les variables de tres "gènere". Mostrar això com una taula de 2 x 3 amb entrades que representen els recomptes totals. A continuació, utilitzar un gràfic o un gràfic que proporciona la millor visualització de les relacions entre aquests conjunts de variables. Veure diapositives 41 en lliçó 2 per exemple. També revisar capítol 4 de Berry i Linoff. Vostè pot dibuixar algunes conclusions importants?h. Selecciona tots els "bons" clients amb un alt valor per a lloguers atribuir (un "bon client és definit com un amb un valor de lloguers de superior o igual a 30). Llavors, creï un resum (per exemple, utilitzant mitjans, mitjanes i altres estadístiques) de les dades seleccionades pel que fa a la resta d'atributs. Es pot observar qualsevol patrons significatius que caracteritzen aquest segment de clients? Explicar. Nota: per saber si els seus patrons observats en el grup objectiu són significatius, cal comparar-los amb la població general mitjançant la mateixa mètrica.i. suposem que a causa de l'alt marge de benefici, la botiga com augmentar les vendes de despeses imprevistes. Basat en les observacions en parts anteriors discutir com això es podia aconseguir (per exemple, hauria clients amb característiques específiques apuntarà? Certs tipus de pel·lícules haurien preferits? Etc.). Explicar la seva resposta basada en l'anàlisi de les dades.j utilitzar WEKA per realitzar les següents tasques en el conjunt de dades original (utilitzar la versió separats per comes del conjunt de les dades anteriors: Video_Store.csv). Carregar les dades en l'Explorador WEKA (el mòdul de Preprocés). Suprimiu l'atribut d'ID de client. Revisar les estadístiques bàsiques de diferents atributs clicant sobre el nom de cada un en el quadre de "atribut". A continuació, utilitzar el filtre "Discretize" atribut sense supervisió per discretize l'atribut d'edat. Finalment, utilitzeu l'atribut no supervisada "Normalitzar" filtre per convertir totes les restant atribut numèric en escala [0,1]. Desa el conjunt de dades resultant en un arxiu amb format ARFF i enviar amb les seves respostes a les preguntes anteriors.Nota: Es pot donar els resultats finals de les parts (a) a través de (d) com una taula única que inclou les dades originals i té una columna afegida per a cadascuna de les parts (a) a través de (d). Els resultats de part (e) hauria de ser una taula separada. Per a la correlació anàlisi (part f) donen la matriu de correlació (files i columnes de la matriu són els atributs i entrades representen el valor de la correlació per un parell d'atributs (p. ex., "ingressos" enfront de "Edat"). Es pot afegir el seu anàlisis per diverses parts al mateix arxiu de full de càlcul, o es podria incloure en un altre document (per exemple, un arxiu de MS Word). Si us plau, crear un arxiu de cremallera única per a tots els seus documents i enviar a través de Facebook.

ผลลัพธ์ (คาตาลัน) 2:

Tingueu en compte les dades recollides per un videoclub hipotètic per 50 clients regulars. Aquestes dades es compon d'una taula que, per a cada client, registra els següents atributs: sexe, ingressos, edat, renda (nombre total de lloguer de vídeos en l'últim any), Mitjana. per visita (nombre mitjà de lloguer de vídeos per visita durant l'any passat), Imprevistos (si el client tendeix a comprar articles addicionals com refrescos quan el lloguer d'un vídeo) i Gènere (gènere cinematogràfic preferit del client). Aquestes dades estan disponibles com un full de càlcul Excel. Realitzar cadascuna de les següents tasques de preparació de dades: a. Ús de suavitzat per bin significa per suavitzar els valors de l'atribut Age. Utilitzeu una profunditat de bin 4. b. Utilitzeu la normalització mín-màx de transformar els valors de l'atribut d'Ingressos en el rang [0.0-1.0]. c. Utilitzeu la normalització z-score per estandarditzar els valors dels lloguers atribut. d. Discretitzar l'atribut d'Ingressos (original) basat en les següents categories: Alta = 60K +; Mitjans = 25K-59k; Sota = menys de $ 25K. i. Convertir les dades originals (no els resultats de les parts ad) en el format de full de càlcul estàndard (tingui en compte que això requereix que vostè cregui, per a cada atribut categòric, atributs addicionals corresponents als valors d'aquest atribut categòric; atributs numèrics de les dades originals romanen sense canvis) . f. Utilitzant el conjunt de dades estandarditzada (de part i), dugui a terme l'anàlisi de correlació bàsica entre els atributs. Parli dels seus resultats mitjançant la indicació de qualsevol forts correlacions (positius o negatius) entre els parells d'atributs. Cal construir una correlació completa Matrix (Llegiu el document Anàlisi de correlació bàsica per obtenir més detalls i un exemple). Pots observar qualsevol patró "significatives" entre grups de dos o més variables? Expliqueu. g. Feu una tabulació creuada de les dues variables "gènere" contra les tres variables de "gènere". Mostrar això com una taula de 2 x 3 amb entrades que representen els recomptes totals. A continuació, utilitzeu un gràfic o un gràfic que proporciona una visualització òptima de les relacions entre aquests conjunts de variables. Consulteu la diapositiva 41 a classe 2 per a un exemple. Revisi també el Capítol 4 de Berry i Linoff. Pots dibuixar qualsevol significatiu conclusions? h. Seleccionar tots els clients "bons" amb un alt valor per a l'atribut Lloguer (un "bon client es defineix com un amb un valor de Lloguer de major o igual a 30). A continuació, creeu un resum (per exemple, l'ús de mitjanes, mitjanes, i .?. / o altres estadístiques) de les dades seleccionades respecte a tots els altres atributs Pot vostè observar alguns patrons significatius que caracteritzen aquest segment de clients Expliqueu Nota: per saber si els seus patrons observats en el grup objectiu són significatius, cal comparar amb la població en general amb els mateixos paràmetres. I. Suposem que a causa del alt marge de benefici, la botiga li agradaria augmentar les vendes d'imprevistos. Sobre la base de les seves observacions en parts anteriors discutir com això es podria aconseguir (per exemple, en cas de clients amb dirigir característiques específiques? Haurien prefereixen certs tipus de pel·lícules? Etc.). Expliqueu la seva resposta sobre la base de la seva anàlisi de les dades. j. Utilitzeu WEKA per realitzar les següents tasques en el conjunt de dades original (utilitzar la versió separats per comes les dades anteriors estableixen: Video_Store.csv). Carregar les dades en WEKA Explorer (el mòdul de preprocessament). Traieu l'atribut ID de client. Reviseu les estadístiques bàsiques per als diferents atributs fent clic al nom de cada un en el panell de "atribut". A continuació, utilitzeu l'atribut sense supervisió filtre "discretitzar" per discretitzar l'atribut edat. Finalment, utilitzeu l'atribut sense supervisió "Normalitzar" filtre per convertir tot l'atribut numèric restant a [0,1] escala. Deseu les dades resultants establerts en un arxiu amb format arff i presentar les seves respostes a les preguntes anteriors. Nota: Podeu donar els resultats finals de les parts (a) a (d) com una sola taula que inclou les dades originals i s'ha afegit un columna per a cadascuna de les parts (a) a (d). Els resultats de la part (i) ha de ser una taula separada. Per a l'anàlisi de correlació (part f) donar a la seva matriu de correlacions (files i columnes de la matriu són els atributs, i les entrades representarien valor de correlació per a un parell d'atributs (per exemple, "ingressos" versus "Edat"). Les seves anàlisis per a diversos parts es poden afegir a la mateix full de càlcul, o que podrien ser inclosos en un altre document (per exemple, un arxiu de MS Word). Si us plau, creeu un únic arxiu ZIP per tots els seus documents i enviar a través de Facebook.