数据挖掘与中知识管理22.pptVIP

第十章　数据挖掘与知识管理;第一节 数据挖掘技术 ;2．决策中的数据挖掘 在决策过程的智能阶段，数据挖掘起着重要的作用。在小型组织中，高层管理者对于发生了什么事情是十分清楚的，他们可以通过沟通发现问题并形成决策陈述。在大中型组织中，高层管理者不可能去关心每一件发生的事情，更不用说去了解每个细节的发展变化。在有完善的数据积累的组织中，每个细节总是以数据的形式很好地保存于数据库中，此时可根据决策者的要求开发数据仓库。但数据仓库更适合于信息管理人员的习惯，直接通过数据仓库难以发现有价值的信息。;二、数据挖掘的过程 数据挖掘的一般流程如图10-2所示，具体见第五部分的案例中。 ;三、数据挖掘的技术 常见的数据挖掘技术有： 1．聚类分析（Clustering Analysis）。聚类方法主要有统计聚类和模糊聚类，通过聚类可以进行分类、预测和发现异常信息。 2．决策树(Decision Tree)。决策树方法被成功地应用于信用卡损失和不同的国际流通货币的时序预测等各种问题中。一般可用于探索问题、数据预处理和预测中。目前常用的有ID3、CHAID和CART等几种典型的算法。 决策树算法的主要优点是直观，其缺点在于随着数据复杂性的增加，分支数会增加，对数据仓库的搜索次数会增加，管理难度会加大。;3．神经网络(Neural Network)。神经网络虽然在易用性和易理解性方面受到了限制，但其正确率