客户数据挖掘摘要.ppt

K－平均值算法：例 K-平均值输入属性 实例 X Y 1(C1) 1.0 1.5 2 1.0 4.5 3(C2) 2.0 1.5 4 2.0 3.5 5 3.0 2.5 6 5.0 6.0 Dist(C1－1)=1.50 Dist(C2－1)=2.74 C1 Dist(C1－2)=1.50 Dist(C2－2)=2.29 C1 Dist(C1－3)=1.80 Dist(C2－3)=2.125 C1 Dist(C1－4)=1.12 Dist(C2－4)=1.01 C2 Dist(C1－5)=2.06 Dist(C2－5)=0.875 C2 Dist(C1－6)=5.00 Dist(C2－6)=3.30 C2 第2次迭代的结果导致了簇的变化： C1包含实例1、2和3，C2包含4、5和6 Y X K－平均值算法：例 K-平均值输入属性 实例 X Y 1(C1) 1.0 1.5 2 1.0 4.5 3(C2) 2.0 1.5 4 2.0 3.5 5 3.0 2.5 6 5.0 6.0 7.重新计算每个簇的中心 对于C1：x=(1.0+1.0＋2.0)/3=1.33 y=(1.5+4.5＋1.5)/3=2.50 对于C2：x=(2.0+3.0+5.0)/3=3.33 y=(3.5+2.5+6.0)/3=4.00 因此，新的簇中心为C1=(1.33，2.50) C2=(3.33，4.00) 8.由于簇中心改变，继续进行第3次迭代 Y X K－平均值算法：例 数据实例与它们所对应的簇中心之间的误差平方和最小 K－平均值算法的几个应用 K－平均值算法的最优聚类标准 输出结果 簇中心 簇点 均方误差 1 (2.67, 4.67) (2.00, 1.83) 2, 4, 6 1, 3, 5 14.50 2 (1.5, 1.5) (2.75, 4.125) 1, 3 2, 4, 5, 6 15.94 3 (1.8, 2.7) (5, 6) 1, 2, 3, 4, 5 6 9.60 Y X Y X Y X * * 数据本身：垃圾进、垃圾出。此类问题可能在两个层次上产生。第一个是微观层次，即个人记录。例如，特殊的属性可能丢失或输错了。我知道一个案例，由于挖掘者不知道，丢失的数据被记录为99而作为真实的数据处理。第二个是宏观层次，整个数据集被一些选择机制所歪曲。交通事故为此提供了一个好的示例。越严重的、致命的事故，其记录越精确，但小的或没有伤害的事故的记录却没有那么精确。 规则的应用 ——关联规则（Association Rules） ——以前件为目标 ——归纳所有前件一样的规则 ——分析后件的营销效果 ——设计促销方案（完善前件） ——例 ——收集所有前件为文具、复读机的规则，分析这些商品打折是否促进其他高利润商品的销售，从而调整商品结构、设计促销方案 规则的应用 ——关联规则（Association Rules） ——以后件为目标 ——归纳所有后件一样的规则 ——分析什么因素与后件有关或对后件有影响 ——设计前件促成后件 ——例 ——收集到所有后件为西装的规则，可以帮助我们了解西装的销售受哪些因素的影响或与哪些因素相关，从而可以考虑将这些因素集合在一起而产生促销效果。 规则的应用 ——关联规则（Association Rules） 置信度低 置信度高 支持度高 支持度低 规则的置信度和支持度 规则很少是正确的，但可以经常使用 规则很少是正确的，而且很少被使用 规则多数情况下是正确，但很少被使用 规则多数情况下是正确的，而且可以经常使用 ——以置信度或支持度为目标 Bell Atlantic的数据挖掘系统非常成功，不仅为他们的业务开展带来很大的方便，而且节省了许多开支。Bell Atlantic的电话服务目前已经覆盖了美国14个州，拥有商业电话、住家电话帐户近亿个。 Bell Atlantic 数据挖掘系统的首要任务就是尽快地追收拖欠的电话费，同时尽量减少收债部门的成本。 软件系统的选择非常重要。经过反复挑选后，Bell Atlantic采用了SAS统计软件系统建立数据挖掘系统，然后在SAS环境中利用SAS宏程序建立挖掘系统。 然后是建立SAS格式库。许多数据需要格式化，比如年龄，可以从20到100岁，需要分成不同的组，这都需要利用模式来进行数据转换。有的数据不是连续变量，比如婚姻状况(单身/已婚)，也需要进行一些变换才可以进行计算。日期也是需要模式化的，不同