文档介绍：- .
28
- . 可修编.
数据挖掘方法概述
一、主要概念1
二、主要方法概述1
1、神经网络方法概述1
2、聚类方法概述9
3、主成分分析14
4、决策树概述17
5、关联分析21
6、遗传算法概述23
一、主要概念
1、数据挖掘〔data mining,简记DM〕：采取专门算法对数据库中潜在的、不明显的数据关系进展分析与建模。
2、CRISP-DM(CRoss-Industry Standard Process for Data Mining):各企业中被广泛采用的数据挖掘标准流程。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公司推出的企业级数据挖掘软件产品，其包括的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〞(ARTIFICIAL NEURAL NETWORK，.)是基于模仿大脑神经网络构造和功能而建立的一种信息处理系统。神经网络在一定学****规那么下，对提供的学****样本进展学****从中获取特征信息，并存储〔记忆〕在相应的权值及参数上。学****后，对于新的输入数据，网络可通过已获取的权值及参数，计算网络的输出。神经网络具有高度的非线性、容错性与自学****自适应更新等功能，能够进展复杂的逻辑操作和非线性关系实现。目前神经网络模型在辅助管理与决策中，应用广泛。
〔2〕神经网络的作用
- .
2
- . 可修编.
已证明结论：对于函数，在满足一定条件下，可以找到函数和实常数和，构造函数：
使对于任意小的，满足
〔3〕简单神经网络模型〔感知机模型〕的建立
问题引入：设想对购置手机的顾客制定销售方案，用购置量与购置频率两个指标来判别,即：
购置量大，购置频率大，那么给予优惠折扣；
购置量大，购置频率小，那么给予优惠折扣；
购置量小，购置频率大，那么给予优惠折扣；
购置量小，购置频率小，那么不给予优惠折扣
问题：这样的销售方案判别是否可以建立模型表示？
设想：分别对购置量、购置频率以及是否优惠的两种取值定义为1，0，那么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， X2 Y
1 1 1 1
2 1 0 1
3 0 1 1
4 0 0 0
构造两个输入节点、一个输出节点、二层构造的神经网络模型：
〔*〕 O1=f( xj取值1或0,
w1j〔j=1，2〕待求
作用函数：f(x)= 1 x>0
0 x≤0
构造：
X1○ W11 X1
○ Y
- .
28
- . 可修编.
X2○ W12 X2
学****样本：( x1(k)，x2(k)， Y1(k) ) , k是样本数， k=1,2,3,4
关键问题：如何获取模型〔*〕中的权数w1j，使计算结果与样本的评价结果的误差最小？
计算w1j方法：
随机赋予w1j初始值，通过对每一样本的学****获