管理工程決策方法結(jié)課論文-地級市地區(qū)生產(chǎn)總值數(shù)據(jù)分析(編輯修改稿)
2025-07-10 10:57 本頁面
【文章內(nèi)容簡介】 、數(shù)據(jù)集成等處理。 數(shù)據(jù)轉(zhuǎn)換是指從對象的初始屬性中選取挖掘任務(wù)相關(guān)的屬性 ,來提高挖掘的整體效率。 （ 3） 數(shù)據(jù)挖掘 根據(jù)所選定的挖掘方法 ,對上面步驟處理好的數(shù)據(jù) ,選擇合適的挖掘算法進(jìn)行數(shù)據(jù)挖掘得出模型。 （ 4） 分析和評估 對上面步驟中挖掘所得的模型進(jìn)行評估分析。需要注意的是整個數(shù)據(jù)挖掘的過程是需要不斷反饋和修正的。當(dāng)在挖掘的過程中發(fā)現(xiàn)由于數(shù)據(jù)不合適或者挖掘方法不恰當(dāng) ,造成挖掘的結(jié)果不夠理想 ,那么需要重復(fù)挖掘過程 ,如果有需要的話 ,可以從頭重新開始。 （ 5） 知識的應(yīng)用 將最后確定的有用挖掘結(jié)果 (知識 )應(yīng)用到問題中去。 數(shù)據(jù)處理 在數(shù)據(jù)挖掘整體過程中 ,海量的原始數(shù)據(jù)中存在著大量雜亂的、重復(fù)的、不完整的數(shù)據(jù)，嚴(yán)重影響到數(shù)據(jù)挖掘算法的執(zhí)行效率，甚至可能導(dǎo)致挖掘結(jié)果的偏差。為此，在數(shù)據(jù)挖掘算法執(zhí)行之前，必須對收集到的原始數(shù)據(jù)進(jìn)行預(yù)處理，以改進(jìn)數(shù)據(jù)的質(zhì)量，提高數(shù)據(jù)挖掘過程的效率、精度和性能。數(shù)據(jù)預(yù)處理主要包括 5 數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換與數(shù)據(jù)歸約等技術(shù) 圖 2 1 剔除各省名稱和空值 時間序列數(shù)據(jù)準(zhǔn)備 選取各城市地區(qū)生產(chǎn)總值的全市數(shù)值列匯總到時間序列原數(shù)據(jù) 表格 圖 2 2 6 聚類分析 和回歸 數(shù)據(jù)準(zhǔn)備 將 20212021 年數(shù)據(jù)整理 圖 2 3 第 3 章 地區(qū)生產(chǎn)總值數(shù)據(jù)分析 20212021 年時間序列分析 時間序列分析簡介 時間序列：是指將某種現(xiàn)象某一個統(tǒng)計指標(biāo)在不同時間上的各個數(shù)值，按時間先后順序排列而形成的序列。時間序列法是一種定量預(yù)測方法，亦稱簡單外延方法。在統(tǒng)計學(xué)中作為一種常用的預(yù)測手段被廣泛應(yīng)用。時間序列分析在第二次世界大戰(zhàn)前應(yīng)用于經(jīng)濟(jì)預(yù)測。二次大戰(zhàn)中和戰(zhàn)后，在軍事科學(xué)、空間科學(xué)、氣象預(yù)報和工業(yè)自動化等部門的應(yīng)用更加廣泛。時間序列分析 (Time series analysis)是一種動態(tài)數(shù)據(jù)處理的統(tǒng)計方法。該方法基于隨機(jī)過程理論和數(shù)理統(tǒng)計學(xué)方法，研究隨機(jī)數(shù)據(jù)序列所遵從的統(tǒng)計規(guī)律，以用于解決實際問題。 時間序列分析方法 ：它包括一般統(tǒng)計分析 (如自相關(guān)分析，譜分析等 ),統(tǒng)計模型的建立與推斷，以及關(guān)于時間序列的最優(yōu)預(yù)測、控制與濾波等內(nèi)容。經(jīng)典的統(tǒng)計分析都假定數(shù)據(jù)序列具有獨立性，而時間序列分析則側(cè)重研究數(shù)據(jù)序列的互相 7 依賴關(guān)系。后者實際上是對離散指標(biāo)的隨機(jī)過程的統(tǒng)計分析，所以又可看作是隨機(jī)過程統(tǒng)計的一個組成部分。例如，記錄了某地區(qū)第一個月，第二個月，??，第 N 個月的降雨量，利用時間序列分析方法，可以對未來各月的雨量進(jìn)行預(yù)報。 隨著計算機(jī)的相關(guān)軟件的開發(fā)，數(shù)學(xué)知識不再是空談理論，時間序列分析主要是建立在數(shù)理統(tǒng)計等知識之上，應(yīng)用相關(guān)數(shù) 理知識在相關(guān)方面的應(yīng)用等。 數(shù)據(jù)分析 (1)導(dǎo)入 2021 年 2021 年數(shù)據(jù) 圖 3 1 （ 2）讀取值 圖 3 2 （ 3）設(shè)置時間區(qū)間和初始年份 8 時間以年為單位，初始年份為 2021 年 圖 3 3 并預(yù)測未來五年 圖 3 4 采用指數(shù)平滑方法， 指數(shù)平滑方法： 最近的過去態(tài)勢，在某種程度上會持續(xù)到最近的未來，所以將較大的權(quán)值放在最近的數(shù)據(jù)樣本上。 原理：任一期的指數(shù)平滑值都是本期實際觀察值與前一期指數(shù)平滑值的加權(quán)平均。 基本思想：預(yù)測值是以前觀察值的加權(quán)和，且對不同的數(shù)據(jù)給予不同的權(quán)值，新數(shù)據(jù)給較大的權(quán)值，舊數(shù)據(jù)給較小的權(quán)值。 9 圖 3 5 （ 4）選定地區(qū)生產(chǎn)總值進(jìn)行繪圖 圖 3 6 (5)運行預(yù)測如下 圖 3 7 10 （ 6）圖形如下 指數(shù)平滑建模結(jié)果如下 圖 3 8 專家建模器結(jié)果如下 圖 3 9 模型如下 圖 3 10 11 20212021 年各地區(qū)生產(chǎn)總值聚類分析 聚類分析 及算法簡介 （ 1）聚類分析（ Cluster Analysis）又稱群分析，是根據(jù)“物以類聚”的道理，對樣品或指標(biāo)進(jìn)行分類的一種多元統(tǒng)計分析方法，它們討論的對象是大量的樣品，要求能合理地按各自的特性來進(jìn)行合理的分類，沒有任何模式可供參考或依循，即是在沒有先驗知識的情況下進(jìn)行的。聚類分析起源于分類學(xué)，在古老的分類學(xué)中，人們主要依靠經(jīng)驗和專業(yè)知識來實現(xiàn)分類，很少利用數(shù)學(xué)工具進(jìn)行定量的分類。隨著人類科學(xué)技術(shù)的發(fā)展，對分類的要求越來越高，以致有時僅憑經(jīng)驗和專業(yè)知識難以確切地進(jìn)行分類，于是人們逐漸地把數(shù)學(xué)工具引用到了分類學(xué)中，形成了數(shù)值分類學(xué)，之后又將多元分析的技術(shù)引入到數(shù)值分 類學(xué)形成了聚類分析。 聚類分析被應(yīng)用于很多方面，在商業(yè)上，聚類分析被用來發(fā)現(xiàn)不同的客戶群，并且通過購買模式刻畫不同的客戶群的特征；在生物上，聚類分析被用來動植物分類和對基因進(jìn)行分類，獲取對種群固有結(jié)
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1