數據倉庫與數據挖掘在生產決策中的應用(編輯修改稿)
2025-06-19 09:11 本頁面
【文章內容簡介】 型 數據挖掘的任務是從大量的數據中發(fā)現模式。根據數據挖掘的任務可分為多種類型，其中比較典型的有： ? 概念描述 ? 預測模型 ? 關聯分析 ? 分類分析 ? 聚類分析 ? 序列分析 ? 偏差檢測 ? 模式相似性挖掘 ? Web數據挖掘 概念描述 ：為數據的特征化和比較產生描述 特征化 ：提供給定數據集的簡潔匯總。 例：對公司的“大客戶”（月消費額在 5000以上）的特征化描述： 40－ 50歲，有固定職業(yè)，信譽良好，等等 數據挖掘的類型 預測模型 所謂預測即從數據庫或數據倉庫中已知的數據推測未知的數據或對象集中某些屬性的值分布。 建立預測模型的常用方法： ? 回歸分析 ? 線性模型 ? 關聯規(guī)則 ? 決策樹預測 ? 遺傳算法 ? 神經網絡 數據挖掘的類型 關聯分析 從事務數據庫，關系數據庫和其他信息存儲中的大量數據的項集之間發(fā)現有趣的、頻繁出現的模式、關聯和相關性 。 廣泛的用于購物籃或事務數據分析。 （ 1）關聯發(fā)現算法：得到關聯規(guī)則、找出關聯組合，在關聯組合中，如果出現某一項，則另一項也會出現。 （ 2）序列模式發(fā)現算法：發(fā)現在時間序列上，一個項目集之后的項目集是什么，即找到時間上連續(xù)的事件。 （ 3） 類似的時序發(fā)現算法 ： 先找到一個事件順序，再推測出其他類似的事件順序 。 數據挖掘的類型 分類分析 根據訓練數據集和類標號屬性，構建模型來分類現有數據，并用來分類新數據（分類），用來預測類型標志未知的對象類（預測）。 ? 分類分析已經成功地用于顧客分類、疾病分類、商業(yè)建模和信用卡分析等。 ? 可以用來預報某些未知的或丟失的數字值 數據挖掘的類型 聚類分析 將物理或抽象對象的集合分組成為由類似的對象組成的多個類的過程。最大化類內的相似性和最小化類間的相似性 采用聚類分析，系統可以根據部分數據發(fā)現規(guī)律，找出對全體數據的描述。例：對 WEB日志的數據進行聚類，以發(fā)現相同的用戶訪問模式 數據挖掘的類型 序列分析 序列分析主要用于分析數據倉庫中的某類與時間相關的數據，搜索類似的序列或子序列，并挖掘時序模式、周期性、趨勢和偏離等。 例如，它可以導出類似“若 ATamp。T股票連續(xù)上漲兩天且 DEC股票不下跌，則第三天 IBM股票上漲的可能性為 75%” 的數據關系。序列模式可以看成是一種特定的關聯模型，它在關聯模型中增加了時間屬性。 數據挖掘的類型 孤立點分析 ? 孤立點 :一些與數據的一般行為或模型不一致的孤立數據 ? 通常孤立點被作為“噪音”或異常被丟棄，但在欺騙檢測中卻可以通過對罕見事件進行孤立點分析而得到結論。 應用 ? 信用卡欺詐檢測 ? 移動電話欺詐檢測 ? 客戶劃分 ? 醫(yī)療分析（異常） 數據挖掘的類型 Web數據挖掘 ? Web使用模式挖掘：在 Web環(huán)境中，文檔和對象一般都是通過鏈接來便于用戶訪問。捕捉用戶的存取模式或發(fā)現一個 Web網站最頻繁的訪問路徑稱為 Web使用模式挖掘或 Web路徑挖掘。 ? Web結構挖掘：是挖掘 Web的鏈接結構，并找出關于某一主題的權威網站。 ? Web內容挖掘：是指在大量訓練樣本的基礎上，得到數據對象之間的內在特征，并以此為依據進行有目的的信息篩選，從而獲得指定內容的信息。 ? 基于 Web的研究：搜索引擎的設計、文件自動分類技術、關鍵詞的自動提取、半結構化信息的提取及 Web上新型應用的研究等。 數據挖掘的類型 數據挖掘應用 金融業(yè) 對賬戶進行信用等級的評估。利用數據挖掘工具進行信用評估可以從已有的數據中分析得到信用評估的規(guī)則或標準，即得到“滿足什么樣條件的賬戶屬于哪一類信用等級”，將得到的規(guī)則或評估標準應用到對新的賬戶的信用評估。 分析信用卡的使用模式 。通 過 數據挖掘分析信用卡的使用模式 ，可以得到 這樣 的 規(guī)則 ：“什么 樣 的人使用信用卡屬于什么 樣 的模式 ”，一般一個人在相當 長 的一段 時間 內 ，其使用信用卡的 習慣 往往是 較為 固定的 。因此 ，通 過 判 別 信用卡的使用模式 ，可以 監(jiān)測 到信用卡的 惡 性透支行 為 ，還 可以根據信用卡的使用模式 ，識別 “合法 ”用 戶 。 進 行股票分析 。可以使用數據挖掘技 術 從股票交易的 歷 史數據中得到股票交易的 規(guī)則 或 規(guī) 律 。 探 測 金融政策與行情 間 的關系 。使用數據挖掘技 術 可以從大量的 歷 史 記錄 中 發(fā)現 或挖掘出金融政策與金融 業(yè) 行情的相互影響的更深 層 次的關 聯 關系 。 保 險業(yè) (1) 保 險 金的確定 。對 受 險 人 員 的分 類 有助于確定適當的保 險 金 額 度 。通 過 數據挖掘可以有助于確定 對 不同行 業(yè) 、不同年 齡 段 、處 于不同社會 層 次的人的 險 金 額 度 。 (2) 險 種關 聯 分析 。使用數據挖掘技 術 ，通 過險 種關 聯 分析 ，可以 預測購買 了某種保 險 的人是否會同 時購買 另一種保 險 。 (3) 其他 預測 。通 過 使用數據挖掘技 術 可以 預測 哪些行 業(yè) 、哪個年 齡 段 、哪種社會 層 次的人會 買 哪種保 險 ，或者 預測 哪 類 人容易 買 新的 險 種等 。 數據挖掘應用 零售 業(yè) (1)分析 顧 客的 購買 行 為 和 習慣 。分析 顧 客的 購買 行 為 和 習慣 在零售 業(yè) 得到大量 應 用 。如“美國男性 顧 客在 購買 尿布的同 時購買 啤酒 ”、“顧 客一般 購買 了睡袋和背包后 ，過 了一定的 時間就
環(huán)評公示相關推薦
鄂ICP備17016276號-1