【導(dǎo)讀】深入出，減少繁雜的學(xué)理性探討，著重。以SQL2020及自行開發(fā)之DMAS. 提供教學(xué)資源網(wǎng)站。PARTIII：軟體工具和專案實作。元，如授課時數(shù)有限時，可略過。PARTI基本與進(jìn)階之資料探勘技術(shù)。第三章資料前置處理。第六章資料群集分析。第七章關(guān)連法則探勘。第八章時間序列分析。PARTII資料探勘之深入應(yīng)用。第九章網(wǎng)頁資料探勘。第十章網(wǎng)路入侵偵測系統(tǒng)。第十一章數(shù)位學(xué)習(xí)。PARTIII軟體工具和專案實作。第十二章工具介紹。第十三章案例探討-圖書借閱。奇奇電視購物您好，先生，請先告訴我您。根據(jù)您太太的醫(yī)療紀(jì)錄，她有膝關(guān)節(jié)疼痛的毛病，人床和一座四尺寬的衣櫃，學(xué)術(shù)界積極培養(yǎng)資料探勘技術(shù)應(yīng)用人才為。資料探勘與其他系統(tǒng)的比較。顧客居住地區(qū)、年齡、性別、個人資料、交易。預(yù)測目前哪些顧客可能流失。帄行處理架構(gòu)，使大量資料處理能在可容忍的時。資料探勘演算法的成熟。資料探勘未來的發(fā)展與挑戰(zhàn)。從已存在的資料庫當(dāng)中挖掘出專家仍未知的新事實。資料探勘=資料庫之知識發(fā)掘（Knowledge. 從大型資料庫裡頭所儲存的資

　　

【正文】 迎的入口網(wǎng)站 ） ? 運(yùn)用資料探勘探索「哪一種瀏覽路徑最有可能促成交易 ?」，改善網(wǎng)站設(shè)計，使得瀏覽率提升 30%~50%，媒體銷售業(yè)績成長 10%~15% 57 資料探勘的應(yīng)用實例 (2) ? 金融保險業(yè) ?信用評等、客製化金融服務(wù)、客戶資產(chǎn)管理、呆帳分析、保險潛在客戶名單分析、直效行銷、 分析購買行為、偵測信用卡詐騙行為、股匯市行情預(yù)測 ? 零售製造業(yè) ?分店設(shè)點(diǎn)區(qū)位分析、銷售產(chǎn)品組合、庫存管理、即時輔助購買決策、連續(xù)銷售、促銷商品組合、 DM名單、庫存分析 ? 醫(yī)療生技業(yè) ?預(yù)防醫(yī)學(xué)分析、院內(nèi)感染分析、臨床病徵分析、基因圖譜比對、基因定序、演化分析 ? 教育業(yè) ?學(xué)生來源分析、課程規(guī)劃、學(xué)習(xí)評量、適性化教學(xué) 58 資料探勘在顧客關(guān)係管理之應(yīng)用 ? 零售業(yè)者而言 ?瞭解顧客消費(fèi)特性，發(fā)掘顧客採購模式，強(qiáng)化客戶關(guān)係，達(dá)到留住顧客目的 ? 銀行業(yè)者而言 ?瞭解信用卡發(fā)放可能產(chǎn)生之弊端，找出最有利潤、忠誠度佳的顧客 ? 保險業(yè)者而言 ?分析保戶要求理賠之模式，並可加強(qiáng)稽核，以防止詐財之發(fā)生 ? 優(yōu)點(diǎn) ?有效地在不同層面增加公司收益，達(dá)成營運(yùn)目標(biāo) 59 資料探勘在網(wǎng)路行銷之應(yīng)用 ? 分析顧客於網(wǎng)站上之行為模式 ?當(dāng)顧客拜訪網(wǎng)站時，往往提供許多寶貴的資料，如個人資料、點(diǎn)選的網(wǎng)頁內(nèi)容、在網(wǎng)頁所停留的時間、利用搜尋引擎時所使用的關(guān)鍵字、以及顧客到訪網(wǎng)站的時間點(diǎn)等，企業(yè)可藉由分析這些資訊來瞭解顧客的行為模式，藉以提高顧客對公司所提供之產(chǎn)品與服務(wù)的滿意度。 ? 應(yīng)用範(fàn)例 ?可用以下特性區(qū)分訪客的特質(zhì) ? 地理區(qū)隔 – 包括訪客地址、收入、購買能力 ? 人格特質(zhì) – 訪客之購買特性，是否為衝動性或精打細(xì)算型 ? 訪客使用之資訊設(shè)備 – 網(wǎng)路頻寬、操作系統(tǒng)、瀏覽器或伺服器 60 資料探勘在網(wǎng)路入侵行為分析之應(yīng)用 ? 發(fā)掘異常網(wǎng)路行為 ?傳統(tǒng)分析突發(fā)網(wǎng)路狀況，需很長時間 ?利用高速運(yùn)算，分析異常網(wǎng)路行為 、 動態(tài)調(diào)整與更新防禦機(jī)制 ? 應(yīng)用範(fàn)例 ?協(xié)助網(wǎng)管執(zhí)行進(jìn)階的網(wǎng)路控管，並動態(tài)調(diào)整與更新防禦機(jī)制，進(jìn)而遏阻網(wǎng)路入侵攻擊的潛在威脅 ?協(xié)助網(wǎng)管建立正常網(wǎng)路行為模型 、 異常的行為模型 61 資料探勘在網(wǎng)路學(xué)習(xí)之應(yīng)用 ? 適性化網(wǎng)路學(xué)習(xí) (Adaptive Elearning) ?提供適合學(xué)習(xí)路徑給不同背景學(xué)習(xí)者 ?建構(gòu)「學(xué)習(xí)概念圖 (concept map)」規(guī)劃學(xué)生學(xué)習(xí)路徑 ?分析成績了解詴題關(guān)連性，推導(dǎo)對應(yīng)之概念 ? 應(yīng)用範(fàn)例 ?利用關(guān)連法則探勘技術(shù) ?分析學(xué)習(xí)者的學(xué)習(xí)成績並了解詴題間的關(guān)連性 ?推導(dǎo)出相對應(yīng)於詴題之概念間的關(guān)連 ?找出可以幫助領(lǐng)域?qū)＜医?gòu)學(xué)習(xí)概念圖的法則 ?構(gòu)建適切的課程概念圖。 62 第一章 資料探勘簡介 ? 緣起 ? 何謂資料探勘 ? 資料探勘的演進(jìn) ? 資料探勘與其他系統(tǒng)的比較 ? 知識發(fā)現(xiàn)的過程 ? 資料探勘常用的技術(shù) ? 資料探勘的模型 ? 資料探勘的應(yīng)用 ? 資料探勘的工具 ? 資料探勘未來的發(fā)展與挑戰(zhàn) 63 資料探勘的工具 ? 整合型系統(tǒng) ?將資料倉儲、資料探勘、及專家系統(tǒng) /決策支援系統(tǒng)整合 ? Cognos出品的 SCENARIO () ? Business Objects出品的 BusinessMiner () ? 一般 性套裝軟體 ?單純只做資料探勘工作 ? IBM的 Intelligent Miner ? SPSS的 Clementine ? 客製化軟體 ?依照某企業(yè)體或是某行業(yè)的需要所量身訂做的軟體 ? 針對零售業(yè)開發(fā)的 KD1 ? 針對信用卡詐欺或呆帳偵測所開發(fā)的 HNC 64 Microsoft SQL Server ? SQL ?微軟率先推出綜合兩種特色的 HOLAP（混雜式 OLAP） ?將資料存放在關(guān)聯(lián)式資料表 ?處理效率大幅增進(jìn) ?同時在最少的額外儲存空間下，能夠有不錯的查詢速度 ? SQL Server 2020 ?只有決策樹和群集分析兩種演算法 ?僅能進(jìn)行部分的分類、分群和預(yù)測的功能 ? SQL Server 2020（代號 Yukon） ?包含了七種演算法 ?包括決策樹、類神經(jīng)網(wǎng)路、貝氏演算法、序列群集分析、關(guān)連法則分析、迴歸樹 (regression trees)、 以及時間序列分析，增加許多大廠嚴(yán)重的競爭壓力 65 ＤＭＡＳ (Data Mining Assistant System) ? 交大曾憲雄教授主持的知識工程實驗室所開發(fā)的資料探勘輔助系統(tǒng) ? 以 JAVA開發(fā) ? 包含以下幾個模組 ?資料描述模組： 負(fù)責(zé)連結(jié)各種不同的資料來源 ?資料前置處理模組：提供資料前置處理 應(yīng)用程式介面 ?資料集模組： 負(fù)責(zé)擷取訓(xùn)練資料集 ?關(guān)連法則探勘模組：提供關(guān)連法則探勘 ?分類模型探勘模組：提供分類模型探勘 ?群集分析模組： 提供群集分析 ?樣式集模組： 存放探勘出的樣式或模型 ?展示模組： 提供瀏覽樣式集 66 ＤＭＡＳ 運(yùn)作方式 ? 運(yùn)作方式 ?利用簡單的視窗操作介面呼叫資料探勘引擎 ?直接撰寫 JAVA 程式呼叫相關(guān)的應(yīng)用程式介面來完成探勘的工作 67 第一章 資料探勘簡介 ? 緣起 ? 何謂資料探勘 ? 資料探勘的演進(jìn) ? 資料探勘與其他系統(tǒng)的比較 ? 知識發(fā)現(xiàn)的過程 ? 資料探勘常用的技術(shù) ? 資料探勘的模型 ? 資料探勘的應(yīng)用 ? 資料探勘的工具 ? 資料探勘未來的發(fā)展與挑戰(zhàn) 68 未來的發(fā)展與挑戰(zhàn) ? 不同型態(tài)的資料處理 ? 資料探勘演算法的效能 ? 資料探勘結(jié)果的可用性及正確性 ? 資料探勘結(jié)果的呈現(xiàn)方式 ? 多重抽象層次中的互動式知識發(fā)掘 ? 不同來源資料的整合 ? 隱私保護(hù)與資料安全議題 ? 更具預(yù)測能力的模型 ? 更具延展性的模型 ? 更具成本效益的模型 ? 不斷進(jìn)化成長的資料探勘標(biāo)準(zhǔn) ? 與關(guān)聯(lián)式資料庫的整合 69 總結(jié) ? 資料探勘憑著可預(yù)測未來的趨勢 ，創(chuàng) 造新的 商業(yè)契機(jī) ? 「沒有高品質(zhì)的資料，就沒有高品質(zhì)的探勘結(jié) 果！」前置處理是資料探勘最重要第一步 ? 資料探勘是知識發(fā)現(xiàn) (knowledge discovery) 過程的一部分 ? 資料探勘技術(shù)應(yīng)用人才培訓(xùn)上，尚待加強(qiáng)