商务智能原理与方法（第3版）全套PPT课件.pptx

数据挖掘;大数据时代;大数据的数据特征;大数据带来的管理挑战;互联网公司的大数据行为; ;大数据的核心问题;大数据分析与商务智能;商务智能;什么是商务智能;什么是商务智能;为什么需要商务智能？;为什么需要商务智能？;商务智能市场;并购狂潮;大数据分析与商务智能应用;双色球;中药配方分析;产品优化;制造领域;生物与医药领域应用;移动商务应用;识别技术（人脸识别）;识别技术（人脸识别）;精准营销智慧广告;公共场所人群流动分析;“基地”组织的操作手册上写明： 如准备发动攻击，行动规模要小，不能超过6人 成员要一起住在安全的房屋里，只有在完成侦查或补给任务时才能外出。 行动的指挥者是唯一一个掌握联络信息并知道如何向更大一些的组织联络补给的人 ;自然语言处理NLP(短信词频分析);婚前婚后用词变化;课程内容;数据挖掘;数据挖掘流程;数据预处理 ;数据预处理 ;什么是聚类;聚类的起源;聚类 vs 分类;聚类过程;相似度计算;数值属性的相似关系;二值属性的相似关系;二值属性的相似关系;Similarity of Nominal Attribute;文本相似关系;An Example;An Example;簇的相似关系;聚类算法;聚类算法;划分式方法(K-means);K-means示例;K-means优点;K-means局限;K-means局限;K-means局限;层次式方法;层次式方法的优缺点;基于密度的聚类;基于密度的聚类;Dbscan方法过程;Dbscan的优缺点;聚类结果评测;聚类结果评测;Internal Cluster Validation ;External Cluster Validation;信息熵;信息熵;Entropy;Purity;数据挖掘的发展方向;Extracting Representative Information on Intra-organizational Blogging Platforms;Living in Big Data;Cope With Big Data;Research Questions: Design Perspective;Research Questions: Representativeness;Research Question;Design Framework;Requirements for the Extraction Method;The REPSET Procedure;Requirements for the Clustering Algorithm;Features of Existing Clustering Methods;Features of Existing Clustering Methods;Local Optimum vs Global Optimum;RepSet Clustering Algorithm;Effectiveness of RepSet;RepSet Clustering Algorithm;Evaluation;Evaluation-Stage1;Evaluation-Stage1;Evaluation-Stage2;Evaluation-Stage2;Evluation-Stage3;Evluation-Stage3;Benchmark Data;Benchmark Data;User Experiments;User Experiments;User Experiments;Conclusion;Conclusion;Design Science Research;Knowledge Contribution Framework;数据挖掘;关联分析;啤酒 vs 尿布;几类关联规则——可操作的规则;几类关联规则——平凡的规则;几类关联规则——费解的规则;几类关联规则;关联规则简介;关联规则评判;关联规则的支持度;关联规则的支持度;关联规则置信度;合格的关联规则;关联规则示例;关联规则示例;关联规则挖掘的意义;关联规则挖掘的复杂度;课堂练习;课堂练习;关联规则挖掘方法;关联规则挖掘方法;下闭合性质;挖掘思路;Apriori方法;Apriori方法;Apriori方法;Apriori方法示例;Apriori方法示例;Apriori方法示例;关联规则的兴趣性;关联规则的兴趣性;关联规则的提升度;关联规则的杠杆度;关联规则的确信度;特殊形式关联规则;广义关联规则;广义关联规则;广义关联规则;广义关联规则;广义关联规则;数量关联规则;数量关联规则;简单关联规则;简单关联规则;简单关联规则;时序关联规则;数据挖掘;内容安排;分类问题