數(shù)據(jù)挖掘算法概述(編輯修改稿)
2025-03-26 10:39 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 聚集 忽略 無(wú)關(guān) 屬性 連續(xù)型 屬性離散化等 。 數(shù)據(jù)清洗 數(shù)據(jù)轉(zhuǎn)化 of 65 14 關(guān)聯(lián)規(guī)則 第三章 數(shù)據(jù)挖掘算法 案例 ：保險(xiǎn)客戶風(fēng)險(xiǎn)分析 3．關(guān)聯(lián)規(guī)則挖掘 影響駕駛?cè)藛T安全駕駛的主要因素 年齡 性別 駕 齡 職業(yè) 婚姻狀況 車(chē)輛 車(chē)型 車(chē)輛 用途 車(chē)齡 其他 根據(jù)前述關(guān)聯(lián)觃則的生成方法，得到挖掘出來(lái)的客戶風(fēng)險(xiǎn)關(guān)聯(lián)觃則 序號(hào) 關(guān)聯(lián)規(guī)則 支持度 置信度 1 駕齡 （ X， A） ∧被保車(chē)輛的價(jià)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(shù) （ X， B） 3 駕齡 （ X， B） ∧車(chē)輛用途 （ X， A） 年賠付金額 （ X， B） 4 駕齡 （ X， B） ∧車(chē)輛用途 （ X， B） 年賠付次數(shù) （ X， A） 5 駕齡 （ X， B） ∧被保車(chē)輛的價(jià)值 （ X， C） 年賠付金額 （ X， C） 6 駕齡 （ X， C） ∧車(chē)輛用途 （ X， B） 年賠付次數(shù) （ X， A） 7 駕齡 （ X， C） ∧被保車(chē)輛的價(jià)值 （ X， C） ∧車(chē)輛用途 （ X， C） 年賠付次數(shù) （ X， A） 8 駕齡 （ X， A） ∧被保車(chē)輛的價(jià)值 （ X， A） ∧車(chē)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(chē)輛的價(jià)值 （ X， D） 年賠付金額 （ X， D） 10 駕齡 （ X， B） ∧被保車(chē)輛的價(jià)值 （ X， A） ∧車(chē)輛用途 （ X， A） 年賠付金額 （ X， B） 11 投保人年齡 （ X， C） ∧被保車(chē)輛的價(jià)值 （ X， C） ∧車(chē)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(chē)輛的價(jià)值 （ X， C） 年賠付次數(shù) （ X， A） 表 37 客戶風(fēng)險(xiǎn)關(guān)聯(lián)觃則 詳紳分析所得數(shù)據(jù)，可以為公司業(yè)務(wù)提供數(shù)據(jù)支撐，針對(duì)丌同客戶提供偏好服務(wù)，既能確保公司收益，又能給予用戶更多的實(shí)惠 。 of 65 15 關(guān)聯(lián)觃則 數(shù)據(jù)挖掘概述 全國(guó)高校標(biāo)準(zhǔn)教材 《 于計(jì)算 》 姊妹篇，剖析大數(shù)據(jù)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用 第三章 數(shù)據(jù)挖掘算法 分類 聚類 關(guān)聯(lián)觃則 習(xí)題 數(shù)據(jù)挖掘算法綜合應(yīng)用 .5 預(yù)測(cè)觃模of 65 16 預(yù)測(cè)模型 預(yù)測(cè) 不預(yù)測(cè)模型 第三章 數(shù)據(jù)挖掘算法 預(yù)測(cè)分析是一種統(tǒng)計(jì)或數(shù)據(jù)挖掘解決方案，包含可在結(jié)構(gòu)化不非結(jié)構(gòu)化數(shù)據(jù)中使用以確定未來(lái)結(jié)果的算法和技術(shù)，可為預(yù)測(cè)、優(yōu)化、預(yù)報(bào)和模擬等許多其他相關(guān)用途而使用。 時(shí)間序列預(yù)測(cè)是一種歷叱資料延伸預(yù)測(cè)，以時(shí)間序列所能反映的社會(huì)經(jīng)濟(jì)現(xiàn)象的發(fā)展過(guò)程和觃律性，進(jìn)行引申外推預(yù)測(cè)發(fā)展趨勢(shì)的 方法 。 從時(shí)間序列數(shù)據(jù)中提取幵組建特征 ，仍用 原有的數(shù)據(jù)挖掘框架不算法進(jìn)行數(shù)據(jù)挖掘 將時(shí)間序列數(shù)據(jù)作為一種特殊的挖掘?qū)ο?，找尋?duì)應(yīng)的數(shù)據(jù)挖掘 算法進(jìn)行 與門(mén)研究 依據(jù)研究的方式分類 相似性問(wèn)題 挖掘 時(shí)態(tài)模式 挖掘 依據(jù)研究的內(nèi)容分類 依據(jù)研究 的 對(duì)象 分類 事件序列的數(shù)據(jù)挖掘 事務(wù)序列的數(shù)據(jù)挖掘 數(shù)值序列的數(shù)據(jù)挖掘 時(shí)間序列預(yù)測(cè)及數(shù)據(jù) 挖掘 分類 of 65 17 預(yù)測(cè)模型 預(yù)測(cè) 不預(yù)測(cè)模型 第三章 數(shù)據(jù)挖掘算法 預(yù)測(cè)方案分類 時(shí)間序列預(yù)測(cè) 定性預(yù)測(cè)方法 依據(jù) 預(yù)測(cè)方法的性質(zhì) 因果關(guān)系預(yù)測(cè) 時(shí)間序列的統(tǒng)計(jì) 特征 1） 均值函數(shù) t [ ] ( )ttE X x f x d x? ????? ?2） 自協(xié)方差函數(shù) , ( , ) [ ( ) ( ) ]t s t s t t s sC o v x x E x E x x E x? ? ? ?3）自相關(guān)函數(shù) ,tstst t s s????of 65 18 預(yù)測(cè)模型 預(yù)測(cè) 不預(yù)測(cè)模型 第三章 數(shù)據(jù)挖掘算法 1） 自回歸模型 2） 移動(dòng)平均模型 3） 自回歸移動(dòng)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 19 時(shí)間序列模型 預(yù)測(cè)方案分類 預(yù)測(cè)模型 時(shí)間序列 預(yù)測(cè) 第三章 數(shù)據(jù)挖掘算法 時(shí)間序列： 對(duì)按時(shí)間順序排列而成的觀測(cè)值集合，進(jìn)行數(shù)據(jù)的預(yù)測(cè)或預(yù)估。 典型的算法：序貫?zāi)Ｊ酵诰?SPMGC算法 序貫?zāi)Ｊ酵诰蛩惴?SPMGC（ Sequential Patter
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1