数据挖掘原理与SPSSClementine应用宝典第6章预测挖掘及其应用课件课件教学.pptVIP

第6章 预测挖掘及其应用 6.1 预测概念 6.1.1概述 1.预测及其特性 预测（prediction）是构造和使用模型评估无标号样本类，或评估给定样本可能具有的属性值或值区间。 预测的特点是： 1) 科学性；2) 近似性；3) 局限性。 2.预测的类别 1）按预测方法分。可分为技术（统计）预测、信息预测和拟合预测。 2）按预测时期分。可分为短期预测、中期预测和长期预测。 3）按预测性质分。可分为定性预测和定量预测。 预测概念 6.1.2预测的步骤 （1）确定预测目的。 （2）收集资料。根据预测目的，尽可能完整、准确地收集有 关原始资料。 （3）分析资料。 （4）评价预测模型。 （5）预测应用。 6.2预测挖掘算法 6.2.1技术（统计）预测 技术（统计）预测主要包括移动平均、指数平滑法、德尔菲法、马尔克夫链、正态分布、泊松分布、残差辩识预测、最小方差预测等。 (1)特尔菲法（Delphi） 特尔菲法是一种应用较广的专家调查法，它用规定程序对专家进行调查，以尽量精确地反映专家们的主观估计能力。特尔菲法分征询专家意见和统计处理专家意见两步进行。对专家意见的统计处理，可以根据调查资料的性质选用适当的统计方法进行处理，处理结果应至少反映半数以上专家的意见。 (2)时间序列法 时间序列预测法是指将过去的历史资料及数据，按时间顺序加以排列构成一个数字系列，根据其动向预测未来趋势。常用的趋势预测技术是移动平均法、趋势延伸法和季节指数法，或由此衍生的其他常规技术指标分析方法。 技术（统计）预测 1)移动平均法 移动平均预测法是指观察期内的数据由远而近按一定跨越期进行平均，取其平均值，然后，随着观察期的推移，根据—定跨越期的观察期数据也相应向前移动，每向前移动—步，去掉最早期的一个数据，增添原来观察之后期的一个新数据，并依次求得移动平均值，最后将接近预测期的最后一个移动平均值作为确定预测值的依据。 移动平均法是在算术平均数的基础上发展起来的预测方法，它以一组观察序列的平均数为下一时期的预测值，它要求不断根据新得到的观察值，计算出新的数据，去掉远期数据，逐期向前移动，故称移动平均法，移动平均数的计算公式为 本法的特点是简单，适于线性趋势资料的短期预测，对于具有季节性变化的资料，宜用季节指数法。 2)趋势延伸法 根据预测目标的历史时间数列在坐标图上标出分布点，直观地用绘图工具，画出一条最佳直线或曲线，并加以延伸来确定预测值。 3)季节指数法 季节指数法则以加权平均为基础，是对移动平均法的一种改进算法。季节指数法是先用回归分析法描述整个时间序列的变化趋势，再乘以季节指数，就得到了预测模型。季节指数法认为，数据的重要程度按时间上的近远成非线性递减，常用的有一次指数平滑法、二次指数平滑法和三次指数平滑法。 季节指数法用公式表达为 ,若趋势是线性的，则 6.2.2信息预测 主要包括信息预测，模糊预测，灰色预测，基于混沌理论的分析等。 （1）信息预测 信息预测认为预测的哲学思想在于认识论。并将人类的认识体系分为三个体系， 即抽象体系、物理体系、信息体系。 （2）灰色预测 灰色预测通过少量的、不完全的信息，建立灰色微分预测模型，对事物发展规律作出模糊性的长期描述，是模糊预测领域中理论、方法较为完善的预测学分支。 （3）模糊预测 处理模糊预测问题的数学方法是模糊数学。 （4）基于混沌理论的分析预测 混沌理论最令人兴奋的是：一个非常简单的决定论系统能够产生异常复杂的输出结果。 6.2.3拟合预测 拟合预测是建立一个模型去逼近实际数据序列的过程，适用于发展性的体系。建立模型时，通常都要指定一个有明确意义的时间原点和时间单位。而且，当趋向于无穷大时，模型应当仍然有意义。将拟合预测单独作为一类体系研究，其意义在于强调其唯“象”性。一个预测模型的建立，要尽可能符合实际体系，这是拟合的原则。拟合的程度可以用最小二乘方、最大拟然性、最小绝对偏差来衡量。主要方法有 拟合预测 （1）回归预测。主要包括自回归、线形回归、同态线形 回归和多元回归。 （2）“S”模型。主要用来拟合生命总量不受直接限制的 体系从发生发展直到饱、和点这一阶段的形象。 （3）生命旋回。对一事物从零开始，经过