数据挖掘第六章课后答案.pdfVIP

3、基于数据挖掘的电子商务决策支持系统可以帮助商家进行正确的商机预

测，从而改变经营策略，适应市场需求变化，掌握正确的市场脉搏，为商家可持

续发展提供可靠保证。

一、应用数据挖掘技术进行数据分析

在当前的有三种主要的经营模式：企业对消费者个人的电子商务、企业对企

业的电子商务、个人对个人的电子商务。

对不同的经营模式，电子商务交易的卖家即商家比较关心的问题是不同的。

B2C和B2B模式中商家企业需要根据买家的购买特征，如季节性、时间性、喜好

等，动态调整生产模式，随市场需求安排生产和调度。而对于C2C经营模式中

的商家就需要根据买家购买特征动态调整进货数量、种类，以达到与买家需求接

轨，从而获得更大利润。

电子商务运营模式日渐成熟，各种现行电子商务平台上都积累了海量数据，

这为数据挖掘技术的应用创建了有利条件和坚实基础。具体数据挖掘过程可分为

如下步骤：

首先，采集电子商务网站数据。每个电子商务交易平台都有自身的经营特点

和客户群体，所以不适宜把多个网站数据结合起来分析。单一网站的数据基本上

模式统一，因此不需要进行数据清理。第二步，采用数据挖掘方法对有效数据进

行分析。现在常用的数据挖掘方法有分类、关联规则分析、聚类分析和孤立点分

析等。分类方法可以为每个类别做出准确的描述或建立分析模型或挖掘出分类规

则，适用于发掘出购买特征相同的买家分类；关联规则分析通过对多个数据项建

立关联规则可以发现潜在买家和潜在购买需求；聚类分析可以通过对记录的划分

得到不同的分类。孤立点分析在电子商务数据挖掘中不适用，电子商务要发现的

是有代表性和规模性的特征，一些异常数据无法代表整个买家群体的意愿，所以

可以忽略掉。

经过以上过程，得到了有效数据，接下来可以基于这些有效数据进行分析得

到知识信息，为商家提供决策支持。

二、建立决策支持系统

电子商务中针对企业商家的决策包括非结构化决策和半结构化决策。非结构

化决策，是指决策过程复杂，不可能用确定的模型和语言来描述其决策过程，更

无所谓最优解的决策；半结构化决策，是介于以上二者之间的决策，这类决策可

以建立适当的算法产生决策方案，使决策方案中得到较优的解。对于企业商家而

言，需要以挖掘出的有效数据和建立的决策模型为基础，辅以经验判断，作出正

确决策用于指导生产和销售，已达到与市场需求接轨的目的。

对于普通的零售商家可以采用结构化决策和半结构化决策。结构化决策是指

对某一决策过程的环境及规则，能用确定的模型或语言描述，以适当的算法产生

决策方案，并能从多种方案中选择最优解的决策。对于零售商家而言只需要预知

下一步市场需求，正确进货，就能实现提高销售量的目的，所以决策支持系统只

需要提供每种方案的可能性就可以，因此结构化决策和半结构化决策更适用于零

售商家。

决策支持系统的基本建立流程是首先发现问题并形成决策目标,包括建立决

策模型、拟定方案和确定效果度量。电子商务中的问题就是如何能够让商家更加

了解市场脉搏和卖家需求，所以决策目标建立模型为商家提供生产和销售方案。

其次用概率定量地描述每个方案所产生的各种结局的可能性。第三步,决策人员

对各种结局进行定量评价,一般用效用值来定量表示。效用值是有关决策人员根

据个人才能、经验、风格以及所处环境条件等因素,对各种结局的价值所作的定

量估计。电子商务中决策人主要是商家中负责生产和销售的人员。第四步综合分

析各方面信息,以最后决定方案的取舍,有时还要对方案作灵敏度分析,研究原始

数据发生变化时对最优解的影响,决定对方案有较大影响的参量范围。

决策往往不可能一次完成，而是一个迭代过程。我们根据数据挖掘整理的有

效数据建立人机交互系统，提供各种不同方案供商家选择。

电子商务中的决策支持系统将会为商家提供经营模式方案，生产方案，销售

方案等关键性方案，将帮助商家进行更有效的生产和销售调度。

电子商务快速发展，商家如何能够掌握未来市场发展动态，合理调配各种生

产销售资源取得最大盈利成为了亟待解决的问题。电子商务平台上积累的海量销

售数据为数据挖掘奠定了基础，应用挖掘的有效数据建立的决策支持系统可为商

家提供生产、销售、经营等方面的决策，对商家的发展起到关键性作用，因此基

于数据挖掘的决策支持系统的研究具有深刻意义。

6、

(1)DBSCAN算法是一种基于密度的空间聚类算法。该算法利用基于密度的聚类的

概念，即要求聚类空间中的一