数据挖掘及应用：数据挖掘概述.pptVIP

数据挖掘工具介绍— Spss的 Clementine 功能 分类：类神经网络、决策树(C5或CART)、Logistic回 归； 聚类：K-Means算法(一维聚类) 、Kohonen算法(利用类神 经网络自我组织的演算法进行二维聚类)、2-Step算法(可自动找出最适合的聚类数)； 关联：Apriori算法(连续、类别变量都可用)、GRI算法(只能处理类别变量)、序列算法(只能处理类别变量，且考虑时间先后)。 数据挖掘工具介绍— Spss的 Clementine Clementine数据源 ODBC(包括Excel) 各种文本文件 Spss数据源 SAS数据源 使用者输入 Clementine可同时存取多种数据来源 数据挖掘工具介绍—SQL Sever 2005/2008数据挖掘 1、《数据挖掘原理与应用—SQL Server 2005数据库》(美)Zhaohui Tang 、Jamie Maclennan 著，(国外计算机科学经典教材)，2007年1月。 2、 《数据挖掘原理与应用—SQL Server 2008数据库》(美) Jamie Maclennan 、Zhaohui Tang、Bogdan Crivat著,2010年7月。 3、《SQL Server 2008商业智能完美解决方案》（美） Lynn langit、Kevin S.Goff、Davide Mauri、Sahil Malik、John Welch著，2010年8月。 数据挖掘工具介绍—SQL Sever 2005数据挖掘 包含算法： 贝叶斯算法：预测； 决策树算法：Microsoft提出的混合算法，支持分类、回归，另一特性支持关联分析； 时序算法 ：预测，结合了自动回归技术和决策树技术，也称为AutoRegression Tree,ART算法； 聚类算法：聚类和预测(新)，K-means算法和EM算法； 序列聚类算法：马尔可夫链混合模型； 关联算法：priori算法； 神经网络算法：分类和回归。 数据挖掘工具介绍—Weka http://www.cs.waikato.ac.nz/ml/weka/ 《数据挖掘—实用机器学习技术》 Ian H.Witten Eibe Frank著 数据挖掘工具介绍—Weka 四种不同的用户界面 探索者(Eplorer) 知识流(Knowledge Flow) 实验者(Experimenter) 命令行界面(Simple CLI) 数据源要求ARFF格式 一般可将数据存为CSV格式，即可读取 数据挖掘工具介绍—Weka 探索者界面 优点 ：所有Weka功能都可以菜单选择及表单填写的方式完成，操作简单； 缺点：需要将所处理的数据全部调入内存，这意味着只能用于挖掘小至中等规模数据量的问题。 数据挖掘工具介绍—Weka(探索者界面) 功能： 预处理(Preprocess); 分类(Classify); 聚类(Cluster); 关联(Associate); 选择属性(Select Attributes); 可视化(Visualize)。 数据挖掘工具介绍—Weka 知识流界面 可进行数据流操作，能实现大型数据集的递增分批读取及处理。 数据挖掘工具介绍—Weka 实验者界面 能够将不同的学习技术进行比较，实现其处理过程自动化， 含有可供Weka高级用户将运算负荷通过Java过程方式调用手段分布多个机器上运行的机制。 数据挖掘工具介绍— AlphaMiner AlphaMiner 是一个开源数据挖掘平台，是一个基于元素的平台，控制着所有组合元素的执行操作和工作能力。它通过提供一个简单易行的托放接口的操作环境，使用户只需要选择必要的操作建立过程，并能使操作流程简单明了。 AlphaMiner必威体育精装版版本为2.5 / 数据挖掘工具介绍—AlphaMiner 访问不同数据源中的数据 用不同的方式勘探数据 操作数据 建立各种数据挖掘模型 分析模型 在企业环境中部署模型 数据挖掘工具介绍—AlphaMiner 基于工作流的案例构造 使普通的商业管理人员能够用简单的拖放 - 放下操作来构建数据挖掘案例 ?? 插件式组件体系结构 为在数据导入和导出，数据转换，建模算法，模型评估和部署方面增加新的 BI 应用提供了良好的扩展性，可以在保持系统架构不改变的情况下很方便的增加新的 BI 应用。 Alphaminer 第一个版本中， Xelopes 和 Weka 被整合到一起，从而为 Alphaminer 系统提供了极高的性能。 ?? 通用数据挖掘功能 提供了强大的分析功能，可构建特定的商业分析如：顾客描绘，顾客聚类，