Data Mining for the Masses

 
Data Mining for the Masses 
102 
 
5)
 
How might the presence of outliers in the attributes of a data set influence the usefulness 
of a k-Means clustering model?  What could be done to address the problem? 
 
EXERCISE 
 
Think of an example of a problem that could be at least partially addressed by being able to group 
observations in a data set into clusters.  Some examples might be grouping kids who might be at 
risk  for  delinquency,  grouping  product  sale  volumes,  grouping  workers  by  productivity  and 
effectiveness, etc.  Search the Internet or other resources available to you for a data set that would 
allow you to investigate your question using a k-means model.  As with all exercises in this text, 
please ensure that you have permission to use any data set that might belong to your employer or 
another entity.  When you have secured your data set, complete the following steps: 
 
1)
 
Ensure  that  your  data  set  is  saved  as  a  CSV  file.    Import  your  data  set  into  your 
RapidMiner  repository  and  save  it  with  a  meaningful  name.    Drag  it  into  a  new  process 
window in RapidMiner. 
 
2)
 
Conduct any data preparation that you need for your data set.  This may include handling 
inconsistent data, dealing with missing values, or changing data types.  Remember that in 
order to calculate means, each attribute in your data set will need to be numeric.  If, for 
example, one of your attributes contains the values ‘yes’ and ‘no’, you may need to change 
these to be 1 and 0 respectively, in order for the k-Means operator to work. 
 
3)
 
Connect  a  k-Means  operator  to  your  data  set,  configure  your  parameters  (especially  set 
your k to something meaningful for your question) and then run your model. 
 
4)
 
Investigate your Centroid Table, Folder View, and the other evaluation tools.   
 
5)
 
Report  your  findings  for  your  clusters.    Discuss  what  is  interesting  about  them  and 
describe  what  iterations  of  modeling  you  went  through,  such  as  experimentation  with 
different parameter values, to generate the clusters.  Explain how your findings are relevant 
to your original question. 

---

Chapter 6: k-Means Clustering 
103 
 
 
Challenge Step! 
 
6)
 
Experiment  with  the  other  k-Means  operators  in  RapidMiner,  such  as  Kernel  or  Fast.  
How are they different from your original model.  Did the use of these operators change 
your clusters, and if so, how? 
 
 
 

---

---

Chapter 7: Discriminant Analysis 
105 
 
 
CHAPTER SEVEN: 
DISCRIMINANT ANALYSIS
 
 
 
CONTEXT AND PERSPECTIVE 
 
Gill  runs  a  sports  academy  designed  to  help  high  school  aged  athletes  achieve  their  maximum 
athletic  potential.    On  the  boys  side  of  his  academy,  he  focuses  on  four major  sports:  Football, 
Basketball,  Baseball  and  Hockey.    He  has  found  that  while  many  high  school  athletes  enjoy 
participating in a number of sports in high school, as they begin to consider playing a sport at the 
college level, they would prefer to specialize in one sport.  As he’s worked with athletes over the 
years,  Gill  has  developed  an  extensive  data  set,  and  he  now  is  wondering  if  he  can  use  past 
performance  from  some  of  his  previous  clients  to  predict  prime  sports  for  up-and-coming  high 
school  athletes.    Ultimately,  he  hopes  he  can  make  a  recommendation  to  each  athlete  as  to  the 
sport  in  which  they  should  most  likely  choose  to  specialize.    By  evaluating  each  athlete’s 
performance across a battery of test, Gill hopes we can help him figure out for which sport each 
athlete has the highest aptitude. 
 
LEARNING OBJECTIVES 
 
After completing the reading and exercises in this chapter, you should be able to: 

 
Explain what discriminant analysis is, how it is used and the benefits of using it. 

 
Recognize the necessary format for data in order to perform discriminant analysis. 

 
Explain  the  differences  and  similarities  between  k-Means  clustering  and  discriminant 
analysis. 

 
Develop a  discriminant analysis data mining model in RapidMiner using a training data 
set. 

 
Interpret the model output and apply it to a scoring data set in order to deploy the model. 
 
 

---

 
Data Mining for the Masses 
106 
 
ORGANIZATIONAL UNDERSTANDING 
 
Gill’s objective is to examine young athletes and, based upon their performance across a number 
of  metrics,  help  them  decide  which  sport  is  the  most  prime  for  their  specialized  success.  Gill 
recognizes  that  all  of  his  clients  possess  some  measure  of  athleticism,  and  that  they  enjoy 
participating in a number of sports.   Being young, athletic, and adaptive, most of his clients are 
quite good at a number of sports, and he has seen over the years that some people are so naturally 
gifted that they would excel in any sport they choose for specialization.  Thus, he recognizes, as a 
limitation of this data mining exercise, that he may not be able to use data to determine an athlete’s 
“best” sport.  Still, he has seen metrics and evaluations work in the past, and has seen that some of 
his previous athletes really were pre-disposed to a certain sport, and that they were successful as 
they went on to specialize in that sport.  Based on his industry experience, he has decided to go 
ahead with an experiment in mining data for athletic aptitude, and has enlisted our help. 
 
DATA UNDERSTANDING 
 
In order to begin to formulate a plan, we sit down with Gill to review his data assets. Every athlete 
that has enrolled at Gill’s academy over the past several years has taken a battery test, which tested 
for a number of athletic and personal traits.  The battery has been administered to both boys and 
girls participating in a number of different sports, but for this preliminary study we have decided 
with  Gill  that  we  will  look  at  data  only  for  boys.    Because  the  academy  has  been  operating  for 
some time, Gill has the benefit of knowing which of his former pupils have gone on to specialize 
in a single sport, and which sport it was for each of them.  Working with Gill, we gather the results 
of  the  batteries  for  all  former  clients  who  have  gone  on  to  specialize,  Gill  adds  the  sport  each 
person  specialized  in,  and  we  have  a  data  set  comprised  of  493  observations  containing  the 
following attributes: 

 
Age:    This  is  the  age  in  years  (one  decimal  precision  for  the  part  of  the  year  since  the 
client’s  last  birthday)  at  the  time  that  the  athletic  and  personality  trait  battery  test  was 
administered.    Participants  ranged  in  age  from  13-19  years  old  at  the  time  they  took  the 
battery. 

 
Strength:  This  is  the  participant’s  strength  measured  through  a  series  of  weight  lifting 
exercises  and  recorded  on  a  scale  of  0-10,  with  0  being  limited  strength  and  10  being 

---