數(shù)據(jù)挖掘概述ppt課件(2)-文庫(kù)吧資料
2025-05-06 18:14本頁(yè)面
【正文】 用來(lái)確認(rèn)交叉銷售 (crossselling)的機(jī)會(huì)，以設(shè)計(jì)出吸引人的產(chǎn)品群組。?確定那些相關(guān)對(duì)象應(yīng)該放在一起。?關(guān)聯(lián) (Association)主要是要找出下面這樣的信息：如果A是某一事件的一部份，則B也出現(xiàn)在該事件中的機(jī)率有 X％。? TimeSeries Forecasting的特點(diǎn)在于它所分析的數(shù)值都與時(shí)間有關(guān)，可以處理有關(guān)時(shí)間的一些特性，譬如時(shí)間的階段性 (例如每個(gè)禮拜五個(gè)或六個(gè)工作天 )、季節(jié)性、節(jié)日、以及其它的一些特別因素如過(guò)去與未來(lái)的關(guān)連性有多少等等。若將范圍擴(kuò)大亦可利用邏輯斯蒂回歸(Logistic Regression)來(lái)預(yù)測(cè)定性變量，特別在廣泛運(yùn)用現(xiàn)代分析技術(shù)如人工神經(jīng)網(wǎng)絡(luò)或決策樹(shù)理論等工具，預(yù)測(cè)的模式已不受傳統(tǒng)線性的局限，在預(yù)測(cè)的功能上大大增加了選擇工具的彈性與應(yīng)用范圍的廣度。使用的技巧包括回歸分析、時(shí)間序列分析及人工神經(jīng)網(wǎng)絡(luò)方法等。估計(jì)與預(yù)測(cè)50? 預(yù)測(cè) (prediction)是根據(jù)對(duì)象屬性之過(guò)去觀察值來(lái)估計(jì)該屬性未來(lái)之值。? 例如按照信用卡申請(qǐng)者的教育程度、行為和性別來(lái)推估其信用卡的消費(fèi)量。例如世界上的居民可以按民族歸類，可以按膚色歸類，可以按國(guó)家歸類，也可以按宗教信仰歸類， …… 這些不同的聚類原則自然會(huì)找出不同的特征。只有合理地聚類后，每一類內(nèi)就可以找出有關(guān)的特征，否則是難于發(fā)現(xiàn)真正有用的信息。? 如果事先沒(méi)有任何要求，象全國(guó)各地環(huán)境監(jiān)測(cè)的資料，就只能按資料反映的情況，比較接近的劃歸一類，這種歸類的方法稱之為聚類 (clustering)。 2．聚類 (clustering) 46? 面對(duì)海量的資料? 首要的任務(wù)是將它合理地歸類。? 例如，將信用申請(qǐng)者的風(fēng)險(xiǎn)屬性，區(qū)分為高度風(fēng)險(xiǎn)申請(qǐng)者，中度風(fēng)險(xiǎn)申請(qǐng)者及低度風(fēng)險(xiǎn)申請(qǐng)者。我們會(huì)用一些已經(jīng)分好類的資料來(lái)研究它們的特征，然后再根據(jù)這些特征對(duì)其他未經(jīng)分類或是新的數(shù)據(jù)做預(yù)測(cè)。 (計(jì)算的結(jié)果最后會(huì)是幾個(gè)少數(shù)離散值，然后按不同值分類，例如將一組資料分為 “可能會(huì)響應(yīng) ”或是 “可能不會(huì)響應(yīng) ”兩類 )。 數(shù)據(jù)挖掘的功能41? ? 分類 (classification)? ? 估計(jì)與預(yù)測(cè) (Estimation and Prediction)? ? 聚類 (Clustering)? ? 關(guān)聯(lián) (Association)和序列發(fā)現(xiàn) (Sequence Discovery)? ? 描述 (Description)，數(shù)據(jù)挖掘的功能42? 這些功能大都可以用成熟的計(jì)量及統(tǒng)計(jì)分析方法來(lái)實(shí)現(xiàn) ，1．分類 (Classification)43? 所謂分類，就是按照分析對(duì)象的屬性，建立類組 (class)。新技術(shù)40?協(xié)作?代理?分布式目標(biāo)管理技術(shù)等。當(dāng)然，有了高性能的硬件會(huì)更好。 決策支持系統(tǒng)37? 決策支持系統(tǒng)是一系列工具和過(guò)程，用來(lái)幫助管理者進(jìn)行決策并指導(dǎo)他們進(jìn)行管理。? 數(shù)據(jù)挖掘通常面臨的是海量的數(shù)據(jù)，所以，進(jìn)行數(shù)據(jù)挖掘工作時(shí)，必須將數(shù)據(jù)庫(kù)管理與機(jī)器學(xué)習(xí)技術(shù)結(jié)合起來(lái)應(yīng)用。 數(shù)據(jù)挖掘綜合的技術(shù)領(lǐng)域33? Database systems， Data Warehouses， OLAP? Parallel Processing? Machine learning? Visualization? Statistical and data analysis methods? Mathematical programming? High performance puting? Decision support 34 統(tǒng)計(jì)分析研究35? 除了將許多的統(tǒng)計(jì)及數(shù)據(jù)分析方法用于數(shù)據(jù)挖掘以外? 還將統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)方法結(jié)合在一起，為數(shù)據(jù)挖掘發(fā)展更復(fù)雜的統(tǒng)計(jì)分析工具 (現(xiàn)在，許多的統(tǒng)計(jì)分析軟件都有市場(chǎng)化的數(shù)據(jù)挖掘工具產(chǎn)品 )。 數(shù)據(jù)挖掘有下列幾項(xiàng)特性32? ? 目標(biāo)是海量數(shù)據(jù)的處理，不是一般意義上的統(tǒng)計(jì)分析；? ? 分析的任務(wù)是找出特征、規(guī)律、聯(lián)系，而不是驗(yàn)證；? ? 必須多種技術(shù)結(jié)合，而不只是統(tǒng)計(jì)分析。31? 數(shù)據(jù)挖掘和統(tǒng)計(jì)分析是有不同的。? 近幾年來(lái)，隨著信息科技超乎想象的發(fā)展，新工具的出現(xiàn)。? 事實(shí)上，數(shù)據(jù)挖掘工具是用來(lái)幫助業(yè)務(wù)分析策畫人員從資料中發(fā)掘出各種假設(shè) (Hypothesis)，但是它并不幫你確認(rèn)(Verify)這些假設(shè)，也不幫你判斷這些假設(shè)對(duì)你是否真有價(jià)值。? 也不是說(shuō)有了數(shù)據(jù)挖掘的工具，就連不了解業(yè)務(wù)、不了解資料所代表的意義、或是不了解統(tǒng)計(jì)原理的人也可以做數(shù)據(jù)挖掘。 數(shù)據(jù)挖掘的軟件工具26? 有些銷售得還相當(dāng)火爆，但是，對(duì)于這種數(shù)據(jù)挖掘的產(chǎn)品應(yīng)該有一個(gè)正確的認(rèn)識(shí)，就是它不是一個(gè)無(wú)所不能的魔法。? 這一領(lǐng)域蓬勃發(fā)展的原因是因?yàn)楝F(xiàn)代的企業(yè)已搜集了大量資料，包括市場(chǎng)、客戶、供貨商、競(jìng)爭(zhēng)對(duì)手以及未來(lái)趨勢(shì)等重要信息，但是數(shù)據(jù)的超載與無(wú)結(jié)構(gòu)化，使得企業(yè)決策單位無(wú)法有效利用現(xiàn)存的資料，甚至?xí)箾Q策行為產(chǎn)生混亂與誤用。? 事實(shí)上，數(shù)據(jù)挖掘并不只是一種技術(shù)或是一套軟件，而是數(shù)種專業(yè)技術(shù)的綜合應(yīng)用。 數(shù)據(jù)挖掘所要處理的問(wèn)題22? 在龐大的數(shù)據(jù)庫(kù)中尋找出有價(jià)值的隱藏事件，加以分析，并將這些有意義的信息歸納成結(jié)構(gòu)模式，作為企業(yè)在進(jìn)行決策時(shí)之參考。Kovalerchuk amp。 Hand et al (2022)的定義 17? Data Mining is the process of seeking interesting of valuable in formation in large databases? (數(shù)據(jù)挖掘是在龐大的數(shù)據(jù)庫(kù)中找出有意義或有價(jià)值信息的方法 ) ? Hand et al (2022), eds. Proc. of the 8th ACM SIGKDD International Workshop on Data Min
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1