决策支持与人工智能企业的智囊.ppt

TSP问题 随机路线为： 4—5—10—11—13—14—1—8—12—7—6—3—2—9—4 11—7—10—4—12—9—14—8—13—5—2—3—6—1—11 8—7—9—12—2—5—1—4—11—14—6—3—13—10—8 ………… 总距离：71.1144 第三十一页，共三十七页。 第十六讲 决策支持与人工智能：企业的智囊 第一页，共三十七页。 商务智能分析方法 统计分析 数据挖掘 人工智能 第二页，共三十七页。 统计分析 研究如何测定、收集、整理、归纳和分析反映客观现象总体数量的数据，以便给出正确认识。 客户的平均年龄？平均收入水平？销售额？ 销售额是否与销售员的年龄、广告的强度等有密切关系？如果有关系，它们之间是什么关系？关系强度如何？ 第三页，共三十七页。 数据挖掘：多功能分析 从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。 第四页，共三十七页。 知识形成过程 数据 信息 知识 商务智能 行为 第五页，共三十七页。 案例：零售店的尿布与啤酒 购物篮分析：零售店的尿布与啤酒经常一起被销售 知识：啤酒和尿布摆放在一起 零售店：周五晚上尿布销量在一周尿布销量总量中占很大比例 知识：促销尿布？ 商务智能：谁买？为什么买？互补品？ 知识：周五晚上在尿布附近促销啤酒！！！ 第六页，共三十七页。 数据挖掘分类 关联分析：决定哪些事情将一起发生 分类：如信用卡申请者，分类为低、中、高风险；客户流失风险分析 聚类：对记录分组，把相似的记录在一个聚集里。客户细分，哪一种类的促销对客户响应最好？ 第七页，共三十七页。 分类举例：决策树 第八页，共三十七页。 分类举例：决策树 第九页，共三十七页。 分类举例：决策树 第十页，共三十七页。 聚类 假设 某银行拥有以下数据： 1．客户号；2．储蓄账户余额；3．活期账户余额；4．投资账户余额；5．日均交易次数；6．信用卡支付模式；7．是否有抵押贷款；8．是否有赊账额度； 9．客户年龄；10．客户性别；11．客户婚姻状况；12．客户家庭情况（孩子数）；13．客户年收入；14．客户是否拥有一辆以上小汽车；15．客户流失状态。 第十一页，共三十七页。 K-means聚类算法 第十二页，共三十七页。 第十三页，共三十七页。 人工智能：智能计算 人工神经网络 遗传算法 模拟退火算法 模糊数学 等等 第十四页，共三十七页。 智能计算 也称 “软计算”，是们受自然（生物界）规律的启迪，根据其原理，模仿求解问题的算法。 从自然界得到启迪，模仿其结构进行发明创造，这就是仿生学。这是我们向自然界学习的一个方面。 另一方面，还可以利用仿生原理进行设计(包括设计算法)，这就是智能计算的思想。 如人工神经网络技术、遗传算法、模拟退火算法等。 第十五页，共三十七页。 人工神经网络 指模拟人脑神经系统的结构和功能，运用大量的处理部件，由人工方式构造的网络系统 突破了传统的、线性处理的数字电子计算机的局限，是一个非线形动力学系统，并以分布式存储和并行协同处理为特色 单个神经元的结构和功能极其简单有限，但是大量的神经元构成的网络系统所实现的行为却是极其丰富多彩的 第十六页，共三十七页。 第十七页，共三十七页。 人工神经网络 神经元 隐藏单元 输入 输出 第十八页，共三十七页。 人工神经网络 隐藏层 输出层 输入层 隐藏单元 第十九页，共三十七页。 输入 隐藏 输出 ?10+?11A+ ?12B+?13C ?1+ ?2AGE+ ?3INC COMBINATION ACTIVATION tanh(?1+ ?2AGE+ ?3INC) =A ?4+ ?5AGE+ ?6INC tanh(?4+ ?5AGE+ ?6INC) =B ?7+ ?8AGE+ ?9INC tanh(?7+ ?8AGE+ ?9INC) =C COMBINATION COMBINATION ACTIVATION COMBINATION ACTIVATION 年龄 收入 第二十页，共三十七页。 人工神经网络 规则：两个以上输入为1时，则输出为1 第二十一页，共三十七页。 人工神经网络 第二十二页，共三十七页。 人工神经网络 第二十三页，共三十七页。 人工神经网络 训练神经网络即调整神经元的权重 第二十四页，共三十七页。 人工神经网络的应用 第二十五页，共三十七页。 神经网络的应用案例：银行 信用卡持有者的年龄、收入和职业 信用卡显示的大额购买额度 大额购买次数 大额购买交易地点 良好的交易 可能是欺诈性交易 输入层 隐藏层 输出层 第二十六页，共三十七页。 遗传算法（Genetic Algorithm：GA） 遗传算法是一类通过模拟生物界自然选择和自然遗传机制的随机化搜索