数据挖掘自行车.docxVIP

v1.0 可编辑可修改 自行车购买预测 随着社会的发展 , 越来越多的人趋于购买私家车， 但又由于油价越来越贵 , 交通越来越拥 挤。更多的人倾向于购买既省钱又环保的自行车。 本报告针对给出的案例， 运用 EXCEL中的 数据挖掘工具分析影响人们购买自行车的各个因素：如有没有私家车，有没有家庭，收入， 所受的教育等。 一． 预测的目的 同过对自行车购买的预测， 可以有效的解决自行车生产商对于其市场的定位， 适合的人 群，以及客户的购买能力有一个很好地把握。 可以帮助其更好的出售产品， 如同“啤酒与尿 布”一样，可以提高企业的收益率。其次，通过预测，可以改善企业的产业结构，使其更加 符合市场的需求。 提高企业的竞争力。 对于从企业——顾客这整条价值链的提升有很大的帮 助。 二．问题的分解 对于案例中的数据中影响人们购买自行车的各个因素单个进行分析，找出最大的影响因素。 对于各个因素建立一个数据模型，预测实例购买自行车的可能性。 对所建立的模型进行测试。 用所建立的模型进行预测。 三．关键技术及工具 聚类分析 决策树模型 EXCEL的数据挖掘工具 神经网络模型 准确性图表 分类矩阵 Microsoft SQL 2008 ， Microsoft EXCEL2007 ，SQL2005 数据挖掘外接程序 四．数据挖掘与预测 随着信息技术的高速发展， 人们积累的数据量急剧增长， 如何从海量的数据中提取有用 1 v1.0 可编辑可修改 的知识成为当务之急。 数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术。 其 主要任务是关联分析、分类、预测时序模式和偏差分析等。 数据初步处理 ：将数据分为两个部分一为 分析数据（定型数据与测试数据） ，二为 预测数据 神经网络模型 由于所要分析的各个因素存在大量的非线性的关系， 对于案例中最后的预测数据我们可能从 中找到合适的线性关系来得出结构，而运用神经网络模型可以解决这类非线性的关系。 它的构筑理念是受到生物 （人或其他动物） 神经网络功能的运作启发而产生的。 人工神经网 络通常是通过一个基于数学统计学类型的学习方法（ Learning Method ）得以优化，所以人 工神经网络也是数学统计学方法的一种实际应用。神经网络可以有 MP模型和 ANN模型。其 中 ANN模型又分为前馈型网络和反馈型网络。 首先我们利用数据挖掘工具中的建模工具——分类。将已经统计好的数据运用随机抽样 的方法分为定型数据和测试数据。 定性数据用来建立数据模型， 测试数据用来测试模型的准 确性。（定型数据 492 条，测试数据 212 条） （1）定型数据 定型数据是指用来建立模型的数据，这些数据是从原始数据中随机抽选出来的。 我们运用建模工具——神经网络，利用定型数据以 Purchased Bike 为预测值，其他为输入 值得到我们所需要的模型。 2 v1.0 可编辑可修改 可以看出决策变量 Purchased Bike 有两个属性值，其给预测带来了很大的方便，上图 我们可以看出其的概率分布是从高到低的， 这种效果有助于我们找出其中的关键因素， 摒弃 其中对预测结果影响小的因素。 其次神经网络模型也具体给出了在定型数据中具体的买或不 买自行车的具体数字方面我们统计。 （2）测试数据。 测试数据是指用来测试模型可行度与可信度的数据，这些数据是从原始数据中随机抽选 出来的。 我们利用已经得到的定型数据的模型，用测试数据运用两种工具进行准确性校验。 准确性图表如下图： 3 v1.0 可编辑可修改 可以看出红色的线代表定型数据，蓝色的线代表随机的推测。该图表的 X 轴表示用于比较 预测的测试数据集的百分比。给图表的 Y 轴表示预测为指定状态的值的百分比。 有此图可以看出此数据模型提升 %。 分类矩阵如下如图： 可以看出原定型数据的模型准确率 %，错误率 %，可以看出所建立的模型的准确度超过 4 v1.0 可编辑可修改 50%。同时上图也具体给出了买车，与不买车的正确的概率。 由于以上的定型数据和测试数据都是从统计的数据中随机抽取的， 所以其所建立的模型的客 观性及准确性无法有较大的保证。因此我又对以上的步骤重复几次。 （3）对未知数据的预测。 根据以上得出的比较准确的定型数据的模型， 我们可以利用关联分析模型或决策树模 型中得到的主要因素作为输入值， 通过添加多个因素对未知数据进行预测。 这样预测的结果 比较准确，可信度高。 （4）单个因素对于是否够买自行车的影响 运用神经网络得出的模型通过改变因素如 Cars 可以看出随着拥有的私家车的数量的 提高， 人们越来越不趋于购买自行车。 其次， 看以看出一个家庭拥有的孩子数越多越不会购 买自行车，收入越高也越趋于不买自行车如下图：左边为 Cars 为 1，右边为 Car