數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用論-在線瀏覽
2025-02-25 09:17本頁(yè)面
【正文】 互滲透，并且有很多學(xué)校和科研機(jī)構(gòu)也正投入大量資金進(jìn)行數(shù)據(jù)挖掘技術(shù)的進(jìn)一步開(kāi)發(fā)和深 入研究。但是國(guó)內(nèi)的高校，例如清華大學(xué)、中科院計(jì)算機(jī)技術(shù)研究所等，都已開(kāi)展了不同程度的知識(shí)發(fā)現(xiàn)的基礎(chǔ)理論及其應(yīng)用研究。與國(guó)外相比，我國(guó)對(duì)數(shù)據(jù)挖掘領(lǐng)域的研究仍處于初級(jí)階段，絕大多數(shù)工作集中于局部算法設(shè)計(jì)，進(jìn)行綜合的系統(tǒng)集成設(shè)計(jì)卻寥寥無(wú)幾。所以研究數(shù)據(jù)挖掘技術(shù)，并將其應(yīng)用到科研、經(jīng)濟(jì)、教育等領(lǐng)域的重要性是可見(jiàn)一斑 的 。其最終目標(biāo)是實(shí)現(xiàn)商務(wù)活動(dòng)的網(wǎng)絡(luò)化、自動(dòng)化與智能化。在電子商務(wù)應(yīng)用系統(tǒng)中，相關(guān)的用戶數(shù)據(jù)日益增多，數(shù)據(jù)挖掘技術(shù)具有從大量復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)特定規(guī)律的能力。 數(shù)據(jù)挖掘技術(shù) 統(tǒng)計(jì)技術(shù) 統(tǒng)計(jì)技術(shù)對(duì)數(shù)據(jù)集進(jìn)行挖掘的主要思想是：統(tǒng)計(jì)的方法對(duì)給定的數(shù)據(jù)集合假定了一個(gè)分步或者概率的模型（比如一個(gè)正態(tài)分布），然后根據(jù)模型采用相應(yīng)的方法進(jìn)行挖掘。若兩個(gè)或者多個(gè)變量的取值之間存在某種規(guī)律性，就成為關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱含的關(guān)聯(lián)網(wǎng)，優(yōu)勢(shì)并不知道數(shù)據(jù)庫(kù)中的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。使用的三個(gè)問(wèn)題是：尋找確定的歷史數(shù)據(jù)；決定表示歷史數(shù)據(jù)的最有效方法；決定距離函數(shù)、聯(lián)合函數(shù)和鄰近的 數(shù)量。主要思想是：根據(jù)適者生存的原則，形成由當(dāng)前群體中最適合的規(guī)則組成新的群體，以及這些規(guī)則的后代。 聚集檢測(cè) 將物理或者抽象對(duì)象的集合，分組成為由類似的對(duì)象組成的多個(gè)類的過(guò)程被成為聚類。這種相異度是根據(jù)描述對(duì)象的 屬性值來(lái)計(jì)算的，距離是經(jīng)常被采用的度量方法。這種不完美但是可行的思想模式，可以使之運(yùn)用到更廣的用戶群中。樹(shù)的每個(gè)分支都是一個(gè)分類的問(wèn)題，內(nèi)部節(jié)點(diǎn)表示在一個(gè)屬性上的測(cè)試，樹(shù)葉代表類或者分布。它是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，通過(guò)對(duì)一組訓(xùn)練數(shù)據(jù)的學(xué)習(xí) ，構(gòu)造出決策樹(shù)形式的只是表示，在決策樹(shù)的內(nèi)節(jié)點(diǎn)進(jìn)行屬性值的比較并根據(jù)不同的屬性值判斷從該節(jié)點(diǎn)向下的分枝，從而在決策樹(shù)葉節(jié)點(diǎn)得到結(jié)論。 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)是指由大量神經(jīng)元互聯(lián)而成的網(wǎng)絡(luò)，類似于服務(wù)器互聯(lián)而成的因特網(wǎng)。通常神經(jīng)網(wǎng)絡(luò)模型由三個(gè)層次組成：輸入層，中間層，輸出層?？梢酝ㄟ^(guò)模擬判斷 ，來(lái)不斷修正計(jì)算的“權(quán)值”來(lái)達(dá)到學(xué)習(xí)的目的，增加判斷的正確性。它用于從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)分類規(guī)則的基本思路是將數(shù)據(jù)庫(kù)中的屬性分為條件屬性和結(jié)論屬性。 回歸分析 回歸分析分為線性回歸、多元回歸和非線性回歸。非線性回歸是在基本線性模型上添加多個(gè)項(xiàng)式項(xiàng)形成為線性回歸模型。 項(xiàng)目理解階段 此階段主要確定項(xiàng)目目標(biāo)，訂立項(xiàng)目成功的標(biāo)準(zhǔn)，完成項(xiàng)目形勢(shì)評(píng)估及制定項(xiàng)目執(zhí)行計(jì)劃等等。至于項(xiàng)目計(jì)劃則是對(duì)整個(gè)項(xiàng)目需要的時(shí)間，資源作一個(gè)整體的規(guī)劃把控。 數(shù)據(jù)理解和數(shù)據(jù)準(zhǔn)備 數(shù)據(jù)挖掘?qū)?shù)據(jù)的依賴性非常高，為了能夠?qū)崿F(xiàn)數(shù)據(jù)挖掘的目標(biāo)，要求收集的數(shù)據(jù)足夠全，質(zhì)量盡量高。原始數(shù)據(jù)采集完后，還需要對(duì)數(shù)據(jù)進(jìn)行描述和處理，比如進(jìn)一步探查已選變量與目標(biāo)變量之間是否存在關(guān)系，各變量數(shù)據(jù)的基本探查，如空值數(shù)目、唯一值數(shù)目、最小最大值的統(tǒng)計(jì)以及數(shù)據(jù)質(zhì)量檢驗(yàn)等。建立模型，就得選擇相應(yīng)的建模技術(shù)，可能應(yīng)用到?jīng)Q策樹(shù)、神經(jīng)網(wǎng)絡(luò)及回歸分析等統(tǒng)計(jì)技術(shù)，在項(xiàng)目運(yùn)營(yíng)的各個(gè)階段，數(shù)據(jù)不同，運(yùn)營(yíng)宣傳方式也不同，這就可能利用模型的組合，各個(gè)項(xiàng)目階段采用不同的模型進(jìn)行預(yù)測(cè)分析。此外，對(duì)于設(shè)計(jì)的模型，不但要評(píng) 估模型的準(zhǔn)確性和通用性，還要努力找出相關(guān)商業(yè)理由解釋說(shuō)明模型的欠缺，把生
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1