第6章現(xiàn)代數(shù)據(jù)挖掘技術(shù)與發(fā)展-文庫吧資料
2024-08-02 12:28本頁面
【正文】 否 是 正常 否 990211 是 否 長 否 990327 否 是 很長 是 粗糙集型現(xiàn)代挖掘技術(shù) 因為客戶 970230已經(jīng)流失 ， 而客戶 990211沒有流失 ， 由于屬性“ 贊揚競爭對手的產(chǎn)品 ” 、 “ 挑選產(chǎn)品時間很長 ” 和“ 距最后一次銷售時間 ” 是相似的 。 （ 2） 計算當前基因群體中所有個體的環(huán)境適合度 （ 3） 用適應(yīng)函數(shù)評價每一個體對環(huán)境的適應(yīng)度 （ 4） 選擇適應(yīng)度好的生物個體進行復(fù)制 （ 5） 選擇適應(yīng)度好的生物個體進行復(fù)制交叉配對繁殖 （ 6） 新生代的變異操作 遺傳算法型現(xiàn)代挖掘技術(shù) 編碼并生成祖先群體 計算當前基因群體中所有個體的適合度 是否滿足最優(yōu)解條件 ？ 選擇群體中適應(yīng)值高的個體進行復(fù)制 交叉操作 變異操作 終止 遺傳算法型現(xiàn)代挖掘技術(shù) 用四個染色體來定義客戶類型： 基因 1：客戶的年齡下限 基因 2：客戶的年齡上限 基因 3：客戶的收入水平 基因 4：客戶的人口狀況 （ 人口狀況可以分成：少 （ 1至 2人 ） 、 一般 （ 3至 4人 ） 和多 （ 5人以上 ） 三種狀況 ） 客戶 ID 年齡 累計購買金額 收入 家庭人口 性別 10985 46 1843 中等 4 女 18595 49 0 中等 2 男 47382 61 3628 低 5 男 74912 36 18463 高 6 女 95623 29 8463 高 3 男 85526 32 274 中等 2 男 58753 52 1846 低 2 女 64957 48 0 中等 3 女 76957 27 21634 高 5 男 65839 45 842 低 1 女 遺傳算法型現(xiàn)代挖掘技術(shù) 所有的生物個體按順序排放在一張二維表格上 ， 使每個生物體的上 、 下 、 左 、 右都與其它生物體相鄰接 。 在這一過程中包括三種演化操作：在父代基因群中的雙親選擇操作 、 兩個父代雙親產(chǎn)生子代基因的交叉操作和在子代基因群體中的變異操作 。 神經(jīng)網(wǎng)絡(luò)型現(xiàn)代挖掘技術(shù) （ 1） 基于自組織神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù) 一種無教師學(xué)習(xí)過程 、 可以提取一組數(shù)據(jù)中的重要特征或某種內(nèi)在知識 （ 2） 模糊神經(jīng)網(wǎng)絡(luò)類型數(shù)據(jù)挖掘技術(shù) 模糊 BP網(wǎng)絡(luò) 、 模糊 Kohonen聚類網(wǎng)絡(luò) 、 模糊推理網(wǎng)絡(luò) 、 模糊 ART模型等 模糊 BP網(wǎng)絡(luò)中 ， 樣本的希望輸出值改為樣本相對各類的希望隸屬度 輸出表達方面實現(xiàn)了模糊化 ， 而且將樣本的隸屬度引入了權(quán)系數(shù)的修正規(guī)則中 ， 使權(quán)系數(shù)的修正規(guī)則也實現(xiàn)了模糊化 。 數(shù)據(jù)庫 D C1 L1 事務(wù)標識 項集 項集 支持度 項集 支持度 A1 1,3,4 掃描數(shù)據(jù) 庫 D {1} 2 {1} 2 A2 2,3,5 {2} 3 比較 支持度 {2} 3 A3 1,2,3,5 {3} 3 {3} 3 A4 2,5 {4} 1 {5} 3 {5} 3 由 L1產(chǎn)生 C2 C2 L2 項集 項集 支持度 項集 支持度 {1,2} 掃描數(shù)據(jù) 庫 D {1,2} 1 {1,2} 2 {1,3} {1,3} 2 比較 支持度 {2,3} 2 {1,5} {1,5} 1 {2,5} 3 {2,3} {2,3} 2 {3,5} 2 {2,5} {2,5} 3 {3,5} {3,5} 2 項集 掃描數(shù)據(jù) 庫 D 項集 支持度 {2,3,5} {2,3,5} 2 由 L2產(chǎn)生 C3 L3 前件和
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1