第8章-时间序列与基于Web数据挖掘.pptVIP

清华大学出版社 第8章 时间序列和基于Web的数据挖掘 时间序列分析 基于Web的数据挖掘 本章目标 * 第*页，共40页 时间序列分析 掌握使用神经网络技术和线性回归方法建立预测模型，解决时间序列预测问题。 基于Web的数据挖掘 了解如何使用数据挖掘技术对Web站点进行自动化评估和提供个性化服务，了解Web站点如何自适应调整。 8.1 时间序列分析 8.1.1 概述 1、时间序列 用时间排序的一组随机变量。 （1）根据时间序列值的个数分为 一元时间序列和多元时间序列-股票价格变化趋势、气候数据 （2）根据时间的类型分为 离散型时间序列和连续型时间序列 （3）根据时间序列中序列的统计特性分为 平稳型-成年人的体重等 季节型-心电数据 循环型-商业周期、经济周期、与季节型的区别 直线趋势型-个人资产总和 曲线趋势型-商品从上架到下架期间的销售情况 * 第*页，共40页 8.1.1 概述 2、时间序列分析和时间序列数据挖掘 时间序列挖掘(Time Series Data Mining,，TSDM） 对时间序列进行数据挖掘的过程，即从时间序列数据中提取未知的、具有潜在价值的与时间属性相关的知识或规律，用于短期、中期或长期预测。 时间序列分析的经典方法 图表法-采用柱形图、折线图、饼图等方式进行分析 指标法-使用平均水平、平均增长和平均发展速度、平均增长速度来度量一段时间内时间序列属性值