數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和weka-資料下載頁
2025-05-14 09:02本頁面
【正文】 tical Methods) ? 決策樹（ Decision Tree） ? 人工神經(jīng)網(wǎng)絡(luò)（ Neural Network） ? 規(guī)則歸納法（ Rules Induction） ? 遺傳算法（ Geic algorithms） ? 常用的分析 DM工具 回顧： DM的常用分析工具 ? Casebased Reasoning ? Data Visualization ? Fuzzy Query and Analysis ? Knowledge Discovery ? Neural Networks 典型案例： 英國 Safeway ? 公司簡介 – 英國 Safeway的年銷售量超過一百億美金，員工接近七萬名，是英國第三大的連鎖超級市場，提供的服務(wù)種類則達(dá)三十四種。 ? 問題 – 在英國市場運(yùn)用傳統(tǒng)的技術(shù)，如更低的價位、更多的店面、以及更多種類的產(chǎn)品，競爭已經(jīng)越來越困難了 ? 問題確認(rèn)： – 必須以 客戶 為導(dǎo)向，而非以產(chǎn)品與店家為導(dǎo)向。 – 必須了解六百萬客戶所做的每一筆交易，以及這些交易彼此之間的關(guān)連性。 – 英國 Safeway想要知道哪些種類的客戶買了哪些種類的產(chǎn)品以及購買的頻率，以建立「個人導(dǎo)向的市場」 典型案例： 英國 Safeway ? 數(shù)據(jù)來源 – 公司開始發(fā)信用卡給客戶，客戶用這種信用卡結(jié)帳可以享受各種優(yōu)惠，這種信用卡就成為該公司在500家店面搜集六百萬客戶資料的「網(wǎng)」 ? 使用工具： – 使用 IBM Intelligent Miner 從數(shù)據(jù)庫中取得商業(yè)知識 。 – 根據(jù)客戶的相關(guān)資料，將客戶分為 150類。然后再用 Association的技術(shù)來比較這些資料集合 ，然后將列出產(chǎn)品吸引力的清單 。 典型案例： 英國 Safeway ? 找出模式： —— 由于 Data Mining的貢獻(xiàn)，「我們找出了超過人類概念范圍的關(guān)連性?！? – 發(fā)現(xiàn)某一種乳酪產(chǎn)品雖然銷售額排名第 209，可是消費(fèi)額最高的客戶中有 25%都常常買這種乳酪； – 發(fā)現(xiàn)在 28種品牌的橘子汁中，有 8種特別受到歡迎。因此該公司得以重新安排貨架的擺設(shè)，使得橘子汁的銷量能夠增加到最大。 – 在了解客戶每次采購時會購買哪些產(chǎn)品以后，就可以利用 Data Mining中的 Sequence Discovery的功能，以偵測出長期的經(jīng)常購買行為。 – 將這些資料與主數(shù)據(jù)庫的人口統(tǒng)計資料結(jié)合在一起，Safeway的行銷部門就可以根據(jù)每個家庭的「弱點」，也就是在哪些季節(jié)會購買哪些產(chǎn)品的趨勢，發(fā)出郵件。 總結(jié)： DM的功能 /算法 /應(yīng)用的比較 總結(jié)： DM常用方法的綜合比較 * 總結(jié)： DM不能做什么 ? DM不能告訴你某個模型對你的企業(yè)的實際價值。 DM是一個工具，他只是幫助商業(yè)人士更深入、更容易地分析數(shù)據(jù)，但是無法告訴你某個模型對你的企業(yè)的實際價值， DM中得到的模型必須在現(xiàn)實生活中進(jìn)行驗證。 ? DM不會在缺乏指導(dǎo)的情況下自動的發(fā)現(xiàn)模型。數(shù)據(jù)分析者必須知道你所選用的 DM工具是如何工作的，采用的算法的原理是什么。 ? DM永遠(yuǎn)不會替代有經(jīng)驗的商業(yè)分析師或管理人員所起的作用，它只是一個強(qiáng)大的工具。 結(jié)論 ? 更多的人在從事 Data Mining， 且更多不同類型的人在從事 Data Mining。 ? Data Mining技術(shù)導(dǎo)入企業(yè) ，它的重點不是數(shù)據(jù)庫本身，而在于以企業(yè)領(lǐng)域為主。 ? 妥善地運(yùn)用 Data Mining技術(shù) ，必能提高企業(yè)的競爭優(yōu)勢。
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1