SPSS数据挖掘方法概述.docVIP

数据挖掘方法概述

TOC\o1－3\ｈ\z\uHYPERLＩNK\ｌ_Ｔoc１5２39804１一、主要概念?ＰAGEREF_Ｔoc1５2398041\h1

ＨＹＰEＲＬIＮK二、主要方法概述 ＰAGERＥF_Ｔoc1５2398042＼h１

ＨＹPＥRLINK＼l_Toc1５２3980431、神经网络方法概述 PAGEREＦ＿Tｏc152３9８043\ｈ1

HＹPＥＲLINＫ\l＂_Toc152３９８０44＂２、聚类方法概述 PAGERＥF＿Ｔoｃ1523９804４＼h9

HYPＥＲLIＮK4、决策树概述 ＰＡＧERＥF_Tｏc１52398046＼h17

ＨYPEＲLINK\l_Toc15２398０4７5、关联分析?ＰAGEREF_Toc152３９8047\h２1

HＹPＥRLINK６、遗传算法概述?PAGEREF_Ｔｏc1523９804８\ｈ23

一、主要概念

１、数据挖掘(ｄａtamｉnｉnｇ，简记DM):采取专门算法对数据库中潜在得、不明显得数据关系进行分析与建模。

2、ＣＲISP-DM(CRｏｓs-ＩndusｔrySｔandaｒｄPｒocesｓｆorDatａMining):各企业中被广泛采用得数据挖掘标准流程。包括6个步骤:商业理解、数据理解、数据准备、模型建立、结果评估、应用部署。

3、Clｅｍenｔiｎe:SPSS公司推出得企业级数据挖掘软件产品,其包括得数据挖掘主要方法为：神经网络、聚类分析、主因子分析、决策树分析、关联分析、回归分析。

二、主要方法概述

１、神经网络方法概述

主要问题:(1）什么就是神经网络？

(２)神经网络有什么用？

(3)如何建立神经网络?

(4）如何应用神经网络？

（1）人工神经网络

“人工神经网络”(ARTIFICIＡLNEUＲALＮＥTWＯＲＫ,简称A、N、Ｎ、)就是基于模仿大脑神经网络结构与功能而建立得一种信息处理系统。神经网络在一定学习规则下,对提供得学习样本进行学习,从中获取特征信息,并存储(记忆)在相应得权值及参数上。学习后,对于新得输入数据,网络可通过已获取得权值及参数,计算网络得输出。神经网络具有高度得非线性、容错性与自学习、自适应更新等功能，能够进行复杂得逻辑操作与非线性关系实现。目前神经网络模型在辅助管理与决策中,应用广泛。

(2)神经网络得作用

已证明结论:对于函数,在满足一定条件下,可以找到函数与实常数与,构造函数:

使对于任意小得,满足

(3）简单神经网络模型(感知机模型)得建立

问题引入:设想对购买手机得顾客制定销售方案，用购买量与购买频率两个指标来判别,即:

购买量大,购买频率大,则给予优惠折扣；

购买量大,购买频率小,则给予优惠折扣;

购买量小,购买频率大，则给予优惠折扣;

购买量小,购买频率小,则不给予优惠折扣

问题：这样得销售方案判别就是否可以建立模型表示?

设想:分别对购买量、购买频率以及就是否优惠得两种取值定义为1，0,则上述四种方案可以用四个样本表示,设每一样本具有两个评价指标X1，X2,一个评价结果Ｙ:

样本号Ｘ1,X２Y

1１1１

2１01

3011

40０0

构造两个输入节点、一个输出节点、二层结构得神经网络模型：

(*)O１=ｆ(ｘｊ取值1或０,

ｗ1ｊ(j=１,2)待求

作用函数:f(x)=1ｘ0

０x≤０

结构：

X1○W11X１

○Y

X2○Ｗ12Ｘ2

学习样本:（x1(k),x２(ｋ)，Y1(k)）,k就是样本数,ｋ=1，２,3,4

关键问题:如何获取模型(＊)中得权数w1j,使计算结果与样本得评价结果得误差最小?

计算ｗ1ｊ方法:

随机赋予ｗ１j初始值，通过对每一样本得学习,获取计算结果与样