[計算機軟件及應用]數(shù)據(jù)挖掘-資料下載頁
2025-10-10 04:11本頁面
【正文】 用卡欺詐、信貸風險、 客戶分類、盈利客戶特征分析商業(yè)模式的識別上。 ?神經(jīng)元網(wǎng)絡在使用時需要很長的圳練時間，因而對有足夠長訓練時間的應用更為合適。 此外，神經(jīng)元網(wǎng)絡對噪聲數(shù)據(jù)具有較高的承受能力。 3． 遺傳算法的應用 ? 遺傳算法作為基于生物進化過程的組合優(yōu)化方法，在數(shù)據(jù)挖掘中主要用于分類系統(tǒng)中， 并且經(jīng)常與神經(jīng)網(wǎng)絡等數(shù)據(jù)挖掘技術綜合應用。 ? 神經(jīng)元網(wǎng)絡在客戶的分類中的應用是比較成功的。 4． 粗糙集理論的應用 ? 粗糙集在數(shù)據(jù)挖掘應用中，經(jīng)常用于處理不確定問題，而且在處理過程中可以不需要關 于問題的先驗知識，可以自動找出問題的內(nèi)在規(guī)律。因此，在模式識別、決策分析、知識發(fā) 現(xiàn)等方面得到較廣泛的應用。 ? 粗糙集在商業(yè)應用中也具有很大的應用范圍。 知識發(fā)現(xiàn)工具 ?1．知識發(fā)現(xiàn)工具系統(tǒng)結構 ? (1)無耦合 ? (2)松散耦合 ? (3)半緊密耦合 ? (4)緊密耦合 2． 知識發(fā)現(xiàn)工具運用中的問題 ?(1)數(shù)據(jù)挖掘技術應用中的共性問題 ? 在應用數(shù)據(jù)挖掘技術時，所遇到的共性問題有：數(shù)據(jù)質(zhì)量、數(shù)據(jù)可視化、極大數(shù)據(jù)庫、 性能與成本、分析人員的技能、數(shù)據(jù)噪聲和模式評價等問題。 ?(2)數(shù)據(jù)挖掘技術應用中的個性問題 ?。 ?。 神經(jīng)網(wǎng)絡方法也有一些缺點。 第一，神經(jīng)網(wǎng)絡易于受訓練過度的影響。 第二，神經(jīng)網(wǎng)絡的訓練速度問題。 ?。 3． 知識發(fā)現(xiàn)的價值 ?(1)了解商業(yè)活動 ?(2)發(fā)現(xiàn)商業(yè)異常 ?(3)預測模型 MDX語言 ? MDX是一種語法，支持多維對象與數(shù)據(jù)的定義和操作。它在很多方面與 SQL語法相似， 但并不是 SQL語言的擴展。事實上， MDX所提供的一些功能也可由 SQL提供，盡管不是 那么有效或直觀。 1． 基本 MDX ?MDX查詢的創(chuàng)建者在編寫查詢前必須確定所請求數(shù)據(jù)集的結構，基本 MDX查詢提供 如下功能： ?。 ?、元組和集合提供了對成員、元組和集合的簡要描述 (包括概念性信息及語法 )； 軸線度和切片器維度描述軸維度和切片器維度及其在帶有SELECT和 WHERE子句的 MDX 查詢中的使用。 ? MDX查詢中的FROM子句的用途的描述。 2． 對 SQL和 MDX的比較 ? 盡管 SQL和 MDX具有相似的語法，但是 MDX語法功能異常強大，且可以非常復雜。因為設計MDX的意圖就是提供一種查詢多維數(shù)據(jù)的簡單而有效的方法，所以它采用了一致且易于理解的方式使用戶明確二維查詢和多維查詢在概念上的區(qū)別。 小結 ? 設計數(shù)據(jù)挖掘模型 ? 統(tǒng)計類數(shù)據(jù)挖掘 ? 知識類數(shù)據(jù)挖掘 ? MDX語言
教學課件相關推薦
鄂ICP備17016276號-1