大數據第3章數據挖掘算法(下)(編輯修改稿)
2025-02-10 23:31 本頁面
【文章內容簡介】 13 關聯規(guī)則 第三章 數據挖掘算法 案例 ：保險客戶風險分析 3．關聯規(guī)則挖掘 影響駕駛人員安全駕駛的主要因素 年齡 性別 駕 齡 職業(yè) 婚姻狀況 車輛 車型 車輛 用途 車齡 其他 根據前述關聯觃則的生成方法，得到挖掘出來的客戶風險關聯觃則 序號 關聯規(guī)則 支持度 置信度 1 駕齡 （ X， A） ∧被保車輛的價值 （ X， A） 年賠付金額 （ X， B） 2 投保人年齡 （ X， A） ∧駕齡 （ X， A） 年賠付次數 （ X， B） 3 駕齡 （ X， B） ∧車輛用途 （ X， A） 年賠付金額 （ X， B） 4 駕齡 （ X， B） ∧車輛用途 （ X， B） 年賠付次數 （ X， A） 5 駕齡 （ X， B） ∧被保車輛的價值 （ X， C） 年賠付金額 （ X， C） 6 駕齡 （ X， C） ∧車輛用途 （ X， B） 年賠付次數 （ X， A） 7 駕齡 （ X， C） ∧被保車輛的價值 （ X， C） ∧車輛用途 （ X， C） 年賠付次數 （ X， A） 8 駕齡 （ X， A） ∧被保車輛的價值 （ X， A） ∧車輛用途 （ X， B） 年賠付金額 （ X， B） 9 投保人年齡 （ X， B） ∧駕齡 （ X， A） ∧被保車輛的價值 （ X， D） 年賠付金額 （ X， D） 10 駕齡 （ X， B） ∧被保車輛的價值 （ X， A） ∧車輛用途 （ X， A） 年賠付金額 （ X， B） 11 投保人年齡 （ X， C） ∧被保車輛的價值 （ X， C） ∧車輛用途 （ X， C） 年賠付金額 （ X， B） 12 投保人年齡 （ X， C） ∧駕齡 （ X， B） ∧被保車輛的價值 （ X， C） 年賠付次數 （ X， A） 表 37 客戶風險關聯觃則 詳紳分析所得數據，可以為公司業(yè)務提供數據支撐，針對丌同客戶提供偏好服務，既能確保公司收益，又能給予用戶更多的實惠 。 of 65 14 關聯觃則 數據挖掘概述 第三章 數據挖掘算法 分類 聚類 關聯觃則 習題 數據挖掘算法綜合應用 .5 預測觃模of 65 15 預測模型 預測 不預測模型 第三章 數據挖掘算法 預測分析是一種統計或數據挖掘解決方案，包含可在結構化不非結構化數據中使用以確定未來結果的算法和技術，可為預測、優(yōu)化、預報和模擬等許多其他相關用途而使用。 時間序列預測是一種歷叱資料延伸預測，以時間序列所能反映的社會經濟現象的發(fā)展過程和觃律性，進行引申外推預測發(fā)展趨勢的 方法 。 從時間序列數據中提取幵組建特征 ，仍用 原有的數據挖掘框架不算法進行數據挖掘 將時間序列數據作為一種特殊的挖掘對象，找尋對應的數據挖掘 算法進行 與門研究 依據研究的方式分類 相似性問題 挖掘 時態(tài)模式 挖掘 依據研究的內容分類 依據研究 的 對象 分類 事件序列的數據挖掘 事務序列的數據挖掘 數值序列的數據挖掘 時間序列預測及數據 挖掘 分類 of 65 16 預測模型 預測 不預測模型 第三章 數據挖掘算法 預測方案分類 時間序列預測 定性預測方法 依據 預測方法的性質 因果關系預測 時間序列的統計 特征 1） 均值函數 t [ ] ( )ttE X x f x d x? ????? ?2） 自協方差函數 , ( , ) [ ( ) ( ) ]t s t s t t s sC o v x x E x E x x E x? ? ? ?3）自相關函數 ,tstst t s s????of 65 17 預測模型 預測 不預測模型 第三章 數據挖掘算法 1） 自回歸模型 2） 移動平均模型 3） 自回歸移動平均模型 1 1 2 2t t t p t p ix x x x ?? ? ?? ? ? ? ? ? ? ?1 1 2 2t t t t q t qx ? ? ? ? ? ? ?? ? ?? ? ? ? ?1 1 2 2 1 1 2 2t t t p t p i t t q t qx x x x ? ? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ? ? ? ? ? ? ? ?of 65 18 時間序列模型 預測方案分類 預測模型 時間序列 預測 第三章 數據挖掘算法
范文總結相關推薦
鄂ICP備17016276號-1