數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用論(編輯修改稿)
2025-02-04 09:17 本頁面
【文章內(nèi)容簡(jiǎn)介】 類或者分布。 決策樹算法是目前應(yīng)用最廣泛的歸納推理算法之一，是一種逼近離散值函數(shù)的方法，也可將它看作是一個(gè)布爾函數(shù)。它是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，通過對(duì)一組訓(xùn)練數(shù)據(jù)的學(xué)習(xí) ，構(gòu)造出決策樹形式的只是表示，在決策樹的內(nèi)節(jié)點(diǎn)進(jìn)行屬性值的比較并根據(jù)不同的屬性值判斷從該節(jié)點(diǎn)向下的分枝，從而在決策樹葉節(jié)點(diǎn)得到結(jié)論。所以從根到葉節(jié)點(diǎn)的一條路徑就對(duì)應(yīng)著一條規(guī)則，整棵決策樹就對(duì)應(yīng)著一組吸取表達(dá)式規(guī)則。 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)是指由大量神經(jīng)元互聯(lián)而成的網(wǎng)絡(luò)，類似于服務(wù)器互聯(lián)而成的因特網(wǎng)。它主要由“神經(jīng)元”的互聯(lián)，或按組織的結(jié)點(diǎn)構(gòu)成。通常神經(jīng)網(wǎng)絡(luò)模型由三個(gè)層次組成：輸入層，中間層，輸出層。 在神經(jīng)元求得輸入值后，再匯總計(jì)算總輸入值；由過濾機(jī)比較總輸出值，確定網(wǎng)絡(luò)的輸出值?？梢酝ㄟ^模擬判斷 ，來不斷修正計(jì)算的“權(quán)值”來達(dá)到學(xué)習(xí)的目的，增加判斷的正確性。 粗糙集 粗糙值是一種研究不確定性問題的工具，它根據(jù)已有的給定問題的知識(shí)，對(duì)問題論域進(jìn)行劃分，然后對(duì)劃分后的每個(gè)組成部分確定其對(duì)某個(gè)概念的支持程度。它用于從數(shù)據(jù)庫中發(fā)現(xiàn)分類規(guī)則的基本思路是將數(shù)據(jù)庫中的屬性分為條件屬性和結(jié)論屬性。對(duì)數(shù)據(jù)庫中的元組根據(jù)各個(gè)屬性不同的屬性值分成相應(yīng)的子集，然后對(duì)條件屬性劃分的子集與結(jié)論屬性劃分的子集之間上下近似關(guān)系生成判定規(guī)則。 回歸分析 回歸分析分為線性回歸、多元回歸和非線性回歸。線性回歸 中，數(shù)據(jù)是用直線建模；多元回歸是線性回歸的擴(kuò)展，涉及多個(gè)預(yù)測(cè)變量。非線性回歸是在基本線性模型上添加多個(gè)項(xiàng)式項(xiàng)形成為線性回歸模型。 1. 數(shù)據(jù)挖掘階段分析 數(shù)據(jù)挖掘階段作為整個(gè)項(xiàng)目的重中之重，通常數(shù)據(jù)挖掘的流程包括項(xiàng)目理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建立模型、模型評(píng)估和模型發(fā)布等。 項(xiàng)目理解階段 此階段主要確定項(xiàng)目目標(biāo)，訂立項(xiàng)目成功的標(biāo)準(zhǔn)，完成項(xiàng)目形勢(shì)評(píng)估及制定項(xiàng)目執(zhí)行計(jì)劃等等。項(xiàng)目成功的標(biāo)準(zhǔn)是模型的準(zhǔn)確率達(dá)到多少、純度達(dá)到多少等，而形式評(píng)估則主要對(duì)項(xiàng)目實(shí)施未來可能遇到的問題作一個(gè)簡(jiǎn)單的評(píng)估，業(yè)務(wù)及行業(yè)規(guī)則不斷變 化，模型在應(yīng)用過程中會(huì)遇到各種問題等。至于項(xiàng)目計(jì)劃則是對(duì)整個(gè)項(xiàng)目需要的時(shí)間，資源作一個(gè)整體的規(guī)劃把控。除此之外，此階段還需要對(duì)相關(guān)專業(yè)術(shù)語進(jìn)行解釋說明等。 數(shù)據(jù)理解和數(shù)據(jù)準(zhǔn)備 數(shù)據(jù)挖掘?qū)?shù)據(jù)的依賴性非常高，為了能夠?qū)崿F(xiàn)數(shù)據(jù)挖掘的目標(biāo)，要求收集的數(shù)據(jù)足夠全，質(zhì)量盡量高。通常在這個(gè)階段花費(fèi)的時(shí)間占整個(gè)項(xiàng)目的一半還多。原始數(shù)據(jù)采集完后，還需要對(duì)數(shù)據(jù)進(jìn)行描述和處理，比如進(jìn)一步探查已選變量與目標(biāo)變量之間是否存在關(guān)系，各變量數(shù)據(jù)的基本探查，如空值數(shù)目、唯一值數(shù)目、最小最大值的統(tǒng)計(jì)以及數(shù)據(jù)質(zhì)量檢驗(yàn)等。 建立模型階段 數(shù)據(jù)挖掘項(xiàng)目的建立模型都要經(jīng)過三個(gè)階段：建立模型，測(cè)試并調(diào)整模型，應(yīng)用模型。建立模型，就得選擇相應(yīng)的建模技術(shù)，可能應(yīng)用到?jīng)Q策樹、神經(jīng)網(wǎng)絡(luò)及回歸分析等統(tǒng)計(jì)技術(shù)，在項(xiàng)目運(yùn)營(yíng)的各個(gè)階段，數(shù)據(jù)不同，運(yùn)營(yíng)宣傳方式也不同，這就可能利用模型的組合，各個(gè)項(xiàng)目階段采用不同的模型進(jìn)行預(yù)測(cè)分析。 模型評(píng)估階段 模型的應(yīng)用通常需要較長(zhǎng)周期的檢驗(yàn)才能準(zhǔn)確的評(píng)估其是否滿足商業(yè)標(biāo)準(zhǔn)，在傳統(tǒng)行業(yè)，這個(gè)評(píng)估通常在模型應(yīng)用一年后作出。此外，對(duì)于設(shè)計(jì)的模型，不但要評(píng) 估模型的準(zhǔn)確性和通用性，還要努力找出相關(guān)商業(yè)理由解釋說明模型的欠缺，把生成的結(jié)果與建模初訂立的標(biāo)準(zhǔn)進(jìn)行對(duì)比，同時(shí)根據(jù)目前的狀況對(duì)數(shù)據(jù)倉庫變量
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1