bi数据挖掘交流方案.pptVIP

聚类 低 高 高 高 1 2 8 4 5 3 7 6 因素二 因素三 因素一 示例 * 聚类算法 演示图分群 神经网络（Kohonen） * 关联规则 * 关联规则 对于规则 A=B, A=B的支持度＝同时包含A、B的事务数÷总事务数 A=B的置信度＝（A交B）的支持度÷A的支持度 LIFT＝（ A=B的置信度）÷B的支持度 * 序列模式 100％购买C产品的顾客在未来的时间里都购买了X产品。 * 相似序列 * 相似序列 * RBF预测 RBF (Radial Basis Function) 神经网络 预测结果是个连续型变量 * RBF预测 根据输出空间，将输入空间划分为区域 计算每个区域的区域中心 * RBF预测 计算每个中心的权重 Y=f(x1,x2,x3…) * RBF预测 第一步： 训练 第二步： 应用 * 内容纲要 ? ? BI的相关背景 ? ? 数据挖掘的基础知识 ? ? 数据挖掘过程 ? ? 常用数据挖掘方法 ? ? 常用数据挖掘工具 * 常用数据挖掘工具 Intelligent Miner (IBM); Clementine (SPSS); SAS Enterprise Miner (SAS)； * 新业务营销 留住老客户 (提升老客户活跃度) 识别与培养影响力高端 根据客户本业务行为特征及偏好开展针对性营