网站运营与数据分析-第二章.pptx

;网站运营概述;;2.1.1 数据分析的概念;在统计学领域，有些人将数据分析划分为描述性数据分析、探索性数据分析和验证性数据分析。其中，探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。;;;2.1.2 数据分析过程;2.1.2 数据分析过程;有目的地收集数据是确保数据分析过程有效的基础。组织需要对收集数据的内容、渠道、方法进行策划。策划时应考虑如下内容：;2.1.2 数据分析过程;2.1.2 数据分析过程;;2.1.3 数据分析框架的主要事件;2.1.3 数据分析框架的主要事件;2.1.3 数据分析框架的主要事件;2.1.3 数据分析框架的主要事件;2.1.3 数据分析框架的主要事件;2.1.3 数据分析框架的主要事件;2.1.3 数据分析框架的主要事件;2.2.1 数据挖掘的概念;2.2.1 数据挖掘的概念;2.2.1 数据挖掘的概念;;2.2.2 数据挖掘的任务;对于海量数据和信息的分析与处理，可以帮助人们获得更丰富的知识和科学认识，在理论技术以及实践上获得更为有效且实用的成果。从海量数据中获得有用信息与知识的关键之一是决策者是否拥有从海量数据中提取有价值知识的方法与工具。如何从海量数据中提取有用的信息与知识，是当前人工智能、模式识别、机器学习等领域中一个重要的研究课题。;2.2.2 数据挖掘的任务;;数据挖掘从作用上可以分为预言性挖掘和描述性挖掘两大类。预言性挖掘是建立一个或一组模型，并根据模型产生关于数据的预测，可以根据数据项的值精确确定某种结果，所使用的数据也都是可以明确知道结果的。描述性挖掘是对数据中存在的规则做一种概要的描述，或者根据数据的相似性把数据分组。描述型模式不能直接用于预测。;2.2.3 数据挖掘的过程;2.2.3 数据挖掘的过程;2.2.3 数据挖掘的过程;2.2.3 数据挖掘的过程;;2.2.4 数据挖掘的主要算法;;2.2.4 数据挖掘的主要算法;2.2.4 数据挖掘的主要算法;2.2.4 数据挖掘的主要算法;2.2.4 数据挖掘的主要算法;2.2.4 数据挖掘的主要算法;2.2.4 数据挖掘的主要算法;;2.2.4 数据挖掘的主要算法;2.2.4 数据挖掘的主要算法;2.2.4 数据挖掘的主要算法;;2.2.4 数据挖掘的主要算法;2.2.4 数据挖掘的主要算法;数学规划与数学方案 数据实验模拟 质量控制与预测预警 系统工程数学技术 用户行为分析/客户需求模型 产品销售预测（热销特征） 商场整体利润最大化系统设计 市场数据分析 综合数据关联系统设计 行业/企业指标设计 企业发展关键点分析 资金链管理设计与风险控制 贸易/进出口数据分析 海量数据分析系统设计与技术研究 数据清洗、分析、建模、调试、优化 数据挖掘算法研究、建模、实验模拟 组织机构运营监测、评估、预测预警 经济数据分析、预测、预警 金融数据分析、预测、预警 科研数学建模与数据分析 数据指标开发、分析与管理 产品数据挖掘与分析 商业数学与数据技术 故障预测预警技术 数据自动分析技术 泛工具分析 互译 指数化 ;2.2.6 数据挖掘与OLAP的区别;2.2.6 数据挖掘与OLAP的区别;2.2.6 数据挖掘与OLAP的区别;2.3.1 关联分析的概念;2.3.1 关联分析的概念;2.3.1 关联分析的概念;2.3.2 关联规则挖掘过程;2.3.2 关联规则挖掘过程;2.3.2 关联规则挖掘过程;2.3.2 关联规则挖掘过程;2.3.3 关联规则的分类;;2.3.4 关联规则的相关算法;;;2.3.5 关联规则的应用;;2.3.5 关联规则的应用;2.3.5 关联规则的应用;;2.3.5 关联规则的应用;2.3.5 关联规则的应用;2.3.5 关联规则的应用;2.3.5 关联规则的应用;2.3.5 关联规则的应用;2.3.5 关联规则的应用;2.3.5 关联规则的应用;2.3.5 关联规则的应用;2.3.5 关联规则的应用;Apriori算法是关联规则挖掘中最基本也是最常见的一种算法。前面曾提到，它是由Agrawal等人于1993年提出的一种最有影响的挖掘布尔关联规则频繁项集的算法，主要用来在大型数据库中快速挖掘关联规则。;2.4.1 Apriori算法的挖掘;1．候选项集的生成;2．由Lk-1生成Lk;2.4.1 Apriori算法的挖掘;3．候选项集的支持度计算;2.4.2 基于Apriori算法的数据挖掘应用实例;2.4.2 基于Apriori算法的数据挖掘应用实例;2.4.2 基于Apriori算法的数据挖掘应用实例;2.4.3 Apri