数据挖掘导论教材配套教学PPT——认识数据挖掘.pptVIP

1.5.4模型应用数据挖掘的终极目标。可以应用分类模型解决如例1.1中的疾病诊断问题；可以应用聚类模型解决对顾客的分类，找出不同类中顾客的行为特征，从而为诸如促销活动等提供决策支持；可以通过应用关联分析模型，找出顾客购买的商品之间的关联关系，对于货架摆放、商品促销等提供决策支持。*第*页，共65页1.6数据挖掘的作用数据挖掘的作用两大类建立有指导的学习模型和无指导聚类模型。因变量（DependentVariables）有指导的学习模型中的输出属性的值依赖于输入属性的取值，所以输出属性又被称为因变量自变量（IndependentVariables）相对的，输入属性被称为自变量*第*页，共65页数据挖掘的作用*第*页，共65页图1.4数据挖掘的作用1.7数据挖掘技术数据挖掘技术（DataMiningTechnique）对一组数据应用一种数据挖掘方法。一般由一个数据挖掘算法和一个相关的知识结构，如树结构或规则来定义的。*第*页，共65页1.7.1神经网络（NeuralNetwork）一种具有统计特性的数学模型。创建思想源于人类神经网络的结构、功能和运行过程。试图模拟人脑功能来完成学习。已经成功地应用于多个领域的问题中，是非常流行的数据挖掘技术。可以建立有指导学习模型和无指导聚类模型。输入属性必须是数值的，输出属性可以是数值的也可以是分类的。*第*页，共65页前馈（Feed-Forward）神经网常用的有指导的学习模型。全连接每一层的每个节点都与其下一层的所有节点相连接，而同层节点之间不相连。每个网络连接上都具有权重值，如w1j、w2j、w3j。*第*页，共65页图1.5三层全连接前馈神经网建立神经网络模型的两个阶段第一个阶段——学习训练阶段将每个实例的输入属性值提交给输入层节点。神经网络使用输入值和网络连接权重值来计算每个实例的输出。将每个实例的输出和希望的网络输出进行比较，希望值和计算输出值之间的误差通过修改连接权值传回网络。当达到一定的迭代次数后或当网络收敛到一个预定的最低错误率时，训练终止。第二个阶段——检验阶段固定网络权重，将模型用于计算新实例的输出值。*第*页，共65页1.7.2回归分析（RegressionAnalysis）一种统计分析方法。可以用来确定两个或两个以上变量之间的定量的依赖关系，并建立一个数学方程作为数学模型，来概化一组数值数据，进而进行数值数据的估值和预测。应用非常广泛。*第*页，共65页办公楼数据集序号Space（x1）Offices（x2）Entrances（x3）Age（x4）Value1231022201420002233322121440003235631.5331510004237932431500005240223531390006242542231690007244821.59912600082471223414290092494332316300010251744551690001125402322149000*第*页，共65页表1.3办公楼数据集回归模型*第*页，共65页y=27.64×2500+12529.77×3+2553.21×2?234.24×25+52317.83=158257.56使用回归方程预估办公楼的价值。设有一座未知价值的办公楼，面积为2500、3个办公室、2个入口，已使用25年，则其估计价值计算所得，为158257.56。1.7.3关联分析一种关联规则（AssociationRule）挖掘技术，用于发现数据中属性之间的有价值的联系。关联规则可以有多个输出属性，一个规则的输出属性可以在另一规则中作为输入属性。关联分析用来发现潜在的令人感兴趣的商品购买组合，是购物篮分析的常用技术。关联分析有多种算法，其中最著名的为Agrawal等人于1993年提出的Apriori关联分析算法。Apriori算法不支持数值型数据，在使用该算法之前，需要进行必要的数据变换。*第*页，共65页【例1.3】应用Apriori算法，对表1.1中的数据集进行关联分析，找出感冒症状之间的关联关系。关联规则生成三条关联规则（1）IFLeukocytosis=YesTHENFever=Yes（ruleaccuracy=5/5=100%，rulecoverage=5/8=62.5%）（2）IFIn