使用样例数据库——食品销售公司数据库，里面包含17张维表，11张事实表，具体信息如下：维表account:账目表category：类别表currency：货币表customer：客户表days-check：星期表department：部门表employee：员工表position：工厂位置product：商品信息product_class：商品类别promotion：广告region：区域reserve_employee：储备干部表store：分店表time_by_day：时间表warehouse：仓库表warehouse：仓库类表事实表expense_fact：支出表inventory_fact_1997：1997年库存情况inventory_fact_1998：1998年库存情况monthly_rates：每月库存出货比例PCTOwnershipfactrates：出货库存比例salary：薪水表sales_fact_1997：1997销售表sales_fact_1998：1998销售表sales_fact_dec_199：1998.12销售表warehouse_inventory：仓库存货表使用SQLServerBusinessIntelligenceDevelopmentStudio对上述数据建立数据立方体，并进行数据挖掘分析，挖掘的知识类型不限，将挖掘过程和结果形成实验报告。【实验内容】(1)利用给定的数据库，新建一个数据挖掘项目；(2)依次建立数据源，数据源视图，维度，多维度数据集，挖掘机构；(3)选择不同的算法对挖掘的结果进行分析，预测.(4)根据以上分析，提出可以执行的决策【实验步骤】(1)新建一个数据源，我们使用给定的食品加工数据库。(2)根据数据源，建立数据源视图；数据库中各个表的关系如下（部分截图）：（3）新建维度，选择time_by_day（4)新建多维数据集之后数据源视图如下（部分）：(5)建立数据挖掘结构，选择使用了Microsoft决策树析其中customer表作为事例。选择预测年收入测试数据百分比选择为默认的30%得到如下决策树年收入依赖的数据关系为通过分析例如当条件为：“Education='HighSchoolDegree'andOccupation='Manual'andMemberCard不等于'Normal'”时年收入分布如下当条件为：“Education='BachelorsDegree'andMemberCard='Normal'andNumCarsOwned=0”时年收入分布如下当选择预测值为$30k--$50k时提升图为：拟合分数为0.97拟合较好分类矩阵如下：从图中可以看出$10k--$30预测准确率最高
