商务数据挖掘介绍〔教授制作〕ln12.pptVIP

* 　二　数据挖掘算法思想和应用2.1.6 神经网络 * 　二　数据挖掘算法思想和应用2.1.6 神经网络 思想：找到一条直线（或者多维空间的超平面） ，使得数据集合的点到该直线的竖直距离平方和 最小 　　　　 　二　数据挖掘算法思想和应用2.2.1 多元线性回归 思想：在保证数据信息丢失不多的情况下，把高维空间的数据投影到低维空间。目的是除掉变量之间包含信息的冗余、并降低数据的维数。 * 　二　数据挖掘算法思想和应用2.3.1 主成分分析 * 　二　数据挖掘算法思想和应用2.3.1 主成分分析 聚类分析的目的是根据对象几种属性的测量值组成相似对象的几个集合。关键的思想是把数据以一种有利于进行分析的方式归类。 * 　二　数据挖掘算法思想和应用2.3.2 聚类分析 * X Y k1 k3 　二　数据挖掘算法思想和应用2.3.2 聚类分析 * 　二　数据挖掘算法思想和应用2.3.2 聚类分析 Y 关联分析研究的是“什么跟什么在一起”。例如，一家书店的经理可能很关心客户买书的习惯以便卖出更多的书。这些方法又称为购物篮分析(Market basket　analysis)，因为他们起源于确定购买活动关系的客户交易数据库研究。 * 　二　数据挖掘算法思想和应用2.3.3 关联分析 * 谢谢观赏！ 李保坤 西南财经大学统计学院副教授 美国新墨西哥州立大学博士 　 1. 中国大学和美国大学教学、科研人员的不同 2. 商业软件公司的认知不同 数据挖掘算法的几何思想 李保坤老师 西南财经大学统计学院 内容概要 一　数据挖掘介绍 什么是数据挖掘 数据挖掘的主要任务 数据挖掘简单步骤 二　数据挖掘算法及其几何思想 分类：分类树、简单贝页斯、Logistic回归、神经网络、判别分析、k-最近邻点 预测：多元线性回归、神经网络 数据精简：主成分分析 探索性分析：聚类 关联分析：关联法则 三　西南数据挖掘系统 　　　　一　数据挖掘介绍1.1 什么是数据挖掘 是近来创造的名词，是把统计学、计算机科学的一些思想综合运用到科学、工程和商业方面大型数据库上以发现事物内在规律的方法。 数据挖掘是建立在规模、速度、和简单化上的统计学； “是用统计学和计算机科学的方法为大型数据建模的一种综合工具。”－我的想法 “会数据挖掘找工作时工资要高一些”！ -研究生同学的反馈信息 * 　　　　一　数据挖掘介绍1.1 什么是数据挖掘 数据挖掘概念及商务应用 客户关系管理 金融 电子商务和互联网 客户关系管理 直销 （Target Marketing） 客户流失预测/跳槽分析 （Attrition Prediction/Churn Analysis） 欺诈探测 （Fraud Detection） 信用评分 （Credit Scoring） 金融 商业问题：公司债券的定价取决于几种因素， 公司的风险特征（risk profile）、债务资历（seniority of debt）、公司历史等等 解决方案：通过数据挖掘建立预测价格的更为精确的模型 电子商务和互联网 推荐系统 把点击鼠标者变成客户 1.2.1 分类 数据挖掘的一项基本任务就是用类别已知的数据找出规则，然后把这些规则用在未进行分类的数据上。 分类或许是数据挖掘应用最广泛的任务。 　　　　一　数据挖掘介绍1.2 任务 * 　　　　一　数据挖掘介绍 1.2 任务 1.2.1 分类举例 一家金融服务公司为其客户提供房屋净值信贷额度。该公司曾把该项贷款发放给了数千客户，其中的许多接收者（大约20%）有贷款欺诈行为。该公司希望使用地理信息、人口信息、和经济状况信息等变量建立一个模型预测一个申请人将来会不会欺诈。 该信用评分模型给每一个贷款申请人计算还贷欺诈的概率。在此要设定一个阈值，欺诈概率超过阈值的那些申请人将建议不批准。 1.2.2 预测 预测和分类相似，差别在于我们是预测一个变量的数值，而不是一个类别。 当然，在分类时我们试图去预测一个类别，而“预测”这个术语在数据挖掘里通常指的是预测一个连续变量的数值。 （另外，预测和估计也经常被混用） 　　　　一　数据挖掘介绍 1.2 任务 1.2.3 关联分析 有了储存客户交易信息的大型数据库自然就产生了对购买物品进行的关联分析（哪种物品和哪种物品是搭配着买的）。通过关联分析得到的“关联法则”然后以多种方式被利用。例如，百货商店可以利用关联法则在扫描了一个顾客的采购单后印制优惠券，优惠卷上打折扣的商品是由通过分析大量顾客的采购单得到的关联法则决定的。 　　　　一　数据挖掘介绍 1.2 任务 1.2.4 数据精简 数据分析经常需要把复杂的数