数据挖掘与统计决策--学科概述 聚类分析 因子分析精要.ppt

;课程简介; 3、神经网络模型建立及应用 ;4、神经网络： 模仿大脑神经功能和结构而建立的一种信息处理与建模的分类或预测方法。;教学安排;教学安排;教学安排;一、数据挖掘学科概述;一、数据挖掘学科概述;1、企业信息化建设：各类管理信息系统、决策支持系统等，如MRP（Material Requirements Planning,物料需求计划系统）、MRPII（Manufacturing Resource Planning,制造资源计划系统）、ERP（Enterprise Resource Planning,企业资源计划系统）、ERPII（协同商务与智能商务的ERP）。 ; 一、数据挖掘学科概述——信息化发展与数据挖掘; 一、数据挖掘学科概述——信息化发展与数据挖掘;信息系统“MRP、MRPII、ERP、ERPII”特点; 一、数据挖掘学科概述——信息化发展与数据挖掘;1、数据仓库（ Data Warehouse，简记DW ）：是一种管理技术，旨在通过通畅、合理、全面的信息管理达到有效的决策支持。;结构化决策: 指能建立适当的模型产生决策方案,并能从多个方案中得到问题解的、可程序化的决策。;应用案例——地下燃气管道安全状况评价系统主页面;应用案例——地下燃气管道安全状况评价模型建立页面;应用案例——食品安全风险推理系统页面;应用案例——食品安全风险推理系统页面;1、规划问题;4、评价问题;教育部资产资源的投入产出绩效 综合评价与优化配置 1、高校投入产出绩效综合评价 (投入产出模型+神经网络+遗传算法） 2、根据高校投入产出绩效优化配置未来的资源 (神经网络+遗传算法） 3、对高校配置资源结果进行风险预测 (神经网络+遗传算法+统计方法） 4、对高校配置资源进行效益预测 (模糊评价+遗传算法） ;1、结构化决策辅助：模型的自适应变化;一、数据挖掘学科概述——统计学科与数据挖掘;CRISP-DM(CRoss-Industry Standard Process for Data Mining):各企业中被广泛采用的数据挖掘标准流程。包括6个步骤：商业理解、数据理解、数据准备、模型建立、结果评估、应用部署。 ;一、数据挖掘学科概述——数据挖掘及其软件;一、数据挖掘学科概述——数据类型的一致化方法;一、数据挖掘学科概述——数据类型的一致化方法; 为了使不同量纲的数据能够进行可加与可比，需要对数据进行无量纲处理。常用处理方法为：;一、数据挖掘学科概述——数据无量纲化方法;;聚类：根据事物的某些属性，定义相似度表示事物的相似性，把相似事物聚集成类，使类间相似性尽量少，类内元素相似性尽量大的数据划分方法。 ;主要问题： （1）如何定义两类之间的相似度？ （2）如何按相似度进行聚类？ （3）如何表出谱系图？ （4）聚类分析的应用？ ;常见各种距离定义及性质;问题1）思路:2) 用两元素相似性定义两类相似度量;数理统计第六章P190-199;数理统计第六章P190-199;一、系统聚类法：先将n个样本各自看成一类，计算样本之间和类与类之间的相似度，选择最大相似度的两类合并为一个新类, 重复这一过程，直至所有的样本都归为一类为止. ;;聚类案例分析过程; ;聚类案例分析过程; ;书本例数据没经过无量纲化处理的聚类过程：;数理统计第六章P190-199;数理统计第六章P190-199;聚类结果分析：;数理统计第六章P190-199;系统聚类其他应用例;系统聚类其他应用例－－计算过程;数理统计第六章P190-199;数理统计第六章P190-199;二、数据挖掘方法——聚类分析;变量聚类法;变量聚类法;变量聚类应用例1;变量聚类应用例1;变量聚类应用例1;变量聚类应用例1;P78;P78;P79;P79;K-MEANS聚类算法;K-MEANS聚类算法;w1;w1;城市医疗水平能力聚类分析——数据集;城市医疗水平能力聚类分析——统计软件SPSS辅助系统聚类;城市医疗水平能力聚类分析——统计软件SPSS辅助系统聚类;城市医疗水平能力聚类分析——统计软件SPSS辅助系统聚类;城市医疗水平能力聚类分析——统计软件SPSS辅助系统聚类;城市医疗水平能力聚类分析——数据挖掘软件Clementine辅助K均值聚类;城市医疗水平能力聚类分析——数据挖掘软件Clementine辅助K均值聚类;城市医疗水平能力聚类分析——数据挖掘软件Clementine辅助K均值聚类;城市医疗水平能力聚类分析——数据挖掘软件Clementine辅助K均值聚类;城市医疗水平能力聚类分析——数据挖掘软件