【正文】 +721)=% 2020/10/5 21 預(yù)測值 1（實際“會違約”） 0（實際“不會違約”） 1 66 28 0 185 721 ?回應(yīng)率 (response rate)：在預(yù)測的名單中找出有多少小概率事件（在預(yù)測違約的名單中，真正違約的所占比例是多少）。 ? recall=67/(67+184)66/(66+185) ? Response rate=67/(67+38)66/(66+28) 2020/10/5 24 預(yù)測值 1（實際“會違約”） 0（實際“不會違約”） 1 67 38 0 184 711 預(yù)測值 1（實際值） 0（實際值） 1 66 28 0 185 721 ? Range reduce =預(yù)測會違約 /總體 =(66+28)/(66+28+721+185) =% ? 間距縮減代表的是根據(jù)模型執(zhí)行活動時的成本，當(dāng)如果名單量沒有有效縮減時，執(zhí)行的總成本會很高，因此間距縮減越低越好。 45度線表示隨機的狀態(tài)，代表當(dāng)篩選一半的名單去檢查違約狀況時，剛好會包含全體名單一半的違約戶數(shù)量。 2020/10/5 31 ? 上述兩個模型都沒有包含整個公司的固定成本，不管成功案例多、少，都必須付出的成本。 2020/10/5 37 體重90807060504030身高1801701601502020/10/5 38 600000 500000 400000 300000 202000 100000 0 0 100000 202000 300000 400000 500000 600000 橫軸是實際數(shù)值 縱軸是預(yù)測數(shù)值 當(dāng)模型越準確時，則代表預(yù)測值越接近實際值，也就是越接近45度線 ? 以上介紹的均是分類模型的評估，對于聚類和關(guān)聯(lián)規(guī)則并不適用。 2020/10/5 41 t a n ( ) l o g BAi m p o r c e A BBA????????在 中 發(fā) 生 的 概 率在 非 中 發(fā) 生 概 率ta n ( ) l o gl o g 0im p o r c e A B???? ???????? ????買 茶 又 買 咖 啡 的 概 率不 買 茶 而 買 咖 啡 的 概 率341 3 1 6負關(guān)聯(lián)規(guī)則 2020/10/5 42 ?一、關(guān)于數(shù)據(jù)挖掘的經(jīng)典故事和案例 ?二、數(shù)據(jù)挖掘入門 ?三、數(shù)據(jù)挖掘與統(tǒng)計學(xué)的關(guān)系 ?四、數(shù)據(jù)挖掘軟件 43 2020/10/5 ? 正在影響中國管理的 10大技術(shù) ? 從數(shù)字中能夠得到什么？ ? 一個網(wǎng)絡(luò)流傳的笑話 ? 啤酒與尿布 ? 網(wǎng)上書店關(guān)聯(lián)銷售的案例 ? 數(shù)據(jù)挖掘在企業(yè)中的應(yīng)用 44 2020/10/5 45 2020/10/5 ? 數(shù)據(jù)挖掘 What are these numbers trying to Tell me??? ? ９９：８１７９ ,７９５４ ， ? 舅舅：不要吃酒，吃酒 誤事 ， ? ７６２６９ ,８４０６ ,９４０５， ? 吃了二 兩 酒，不是 動 怒，就是 動 武， ? ７９１８９３４ ,１ .９１８１７。請問您現(xiàn)在是用哪一個電話呢 ? ” 2020/10/5 AddinCards 親密合作伙伴 Customer Relationship Management 客戶關(guān)系管理 ? 顧客 :“我想要一個海鮮披薩 …… ” ? 客服 :“陳先生 , 海鮮披薩不適合您?！? ( 現(xiàn)金卡 ) 53 2020/10/5 ? 顧客 :“算了！你們直接把披薩送來吧，我這里有現(xiàn)金。而丈夫在買完尿布之后又要順手買回自己愛喝的啤酒，因此啤酒和尿布在一起購買的機會還是很多的。 61 2020/10/5 對上述問題進行挖掘的結(jié)果： 62 Book Name $SUPPORT RT $PROBABILILITY $ADJUSTED PROBABILITY 大圣娶親 (2VCD) 1317 大內(nèi)密探零零發(fā) (2VCD) 171 九品芝麻官（ 2VCD） 146 千王之王 2020（ 2VCD） 156 百變金剛（ 2VCD） 150 唐伯虎點秋香（ 2VCD） 106 97家有喜事（ 2VCD） 104 武狀元蘇乞兒（ 2VCD） 89 情圣（ 2VCD） 50 龍的傳人（ 2VCD） 34 支 持 度 sup(.)： 表示在購物籃分析中同時包含關(guān)聯(lián)規(guī)則左右兩邊物品的交易次數(shù)百分比，即支持這個規(guī)則的交易的次數(shù)百分比 。這些因素結(jié)合起來，描述出持卡人最近交易的大概輪廓，從而評估出是否與持卡人的交易習(xí)慣相符。 英國 safeway公司，研究發(fā)現(xiàn)某一種乳酪產(chǎn)品雖然銷售額排名第 209，可是消費額最高的客戶中有 25％都常常買這種乳酪，這些客戶可是 Safeway最不想得罪的客戶。即對各個商品、各色貨物進行增減，確保正確的庫存；協(xié)助企業(yè)確定最佳經(jīng)濟批量、最佳定貨時機，從而節(jié)約進貨和庫存管理費用； 2020/10/5 67 ? （ 3）將顧客按照一定的標準進行分類，通過對企業(yè)銷售數(shù)據(jù)的序列分析發(fā)現(xiàn)顧客基于時間的購買模式，預(yù)測顧客需求，及時調(diào)整產(chǎn)品的結(jié)構(gòu)和內(nèi)容，提高不同顧客群的滿意度，最大限度的留住顧客。 2020/10/5 72 2020/10/5 73 2020/10/5 74 ?什么激發(fā)了數(shù)據(jù)挖掘，為什么它是重要的？ ?什么是數(shù)據(jù)挖掘？ ?在何種數(shù)據(jù)上進行數(shù)據(jù)挖掘？ ?數(shù)據(jù)挖掘的功能 ?幾種較為流行的數(shù)據(jù)挖掘技術(shù) 75 2020/10/5 ?數(shù)據(jù)爆炸性的增長：從兆字節(jié) terabytes 到千兆字節(jié)petabytes。 。 76 2020/10/5 ? 根據(jù)文章中出現(xiàn)的詞的相似性，可以把八篇文章分為兩個自然簇。 2020/10/5 68 以顧客為導(dǎo)向 ? 例如， Safeway在了解客戶每次采購時會購買哪些產(chǎn)品以后，就可以利用數(shù)據(jù)挖掘中的監(jiān)測功能，監(jiān)測出長期的經(jīng)常購買行為。 Safeway也發(fā)現(xiàn)在 28種品牌的橘子汁中，有 8中特別受到歡迎。 2020/10/5 64 例如，如果一個持卡人日常生活里，每月交易筆數(shù)在3~6筆，這就是其交易模式之一。 ?結(jié)果：購買 《 月光寶盒（ 2VCD） 》 之后，又購買 《 大圣娶親 (2VCD)》 的次數(shù)是 1317。 59 2020/10/5 ? 現(xiàn)在網(wǎng)