数据挖掘--在数据矿山中挖掘蕴藏的知识金块.pptVIP

4）NBA教练的布阵 系统分析显示魔术队先发阵容中的两个后卫安佛尼.哈德卫(Anfernee Hardaway)和伯兰.绍(Brian Shaw)在前两场中被评为－17分,这意味着他俩在场上，本队输掉的分数比得到的分数多17分。然而，当哈德卫与替补后卫达利尔.阿姆斯创(Darrell Armstrong)组合时，魔术队得分为正14分。 在下一场中，魔术队增加了阿姆斯创的上场时间。此着果然见效：阿姆斯创得了21分，哈德卫得了42分，魔术队以88比79获胜。魔术队在第四场让阿姆斯创进入先发阵容，再一次打败了热队。在第五场比赛中，这个靠数据挖掘支持的阵容没能拖住热队，但Advanced Scout毕竟帮助了魔术队赢得了打满5场，直到最后才决出胜负的机会。 5）出了一个新成品，哪些老客户最可能购买 蒙特利尔银行是加拿大历史最为悠久的银行，也是加拿大的第三大银行。在 20 世纪 90 年代中期，行业竞争的加剧导致该银行需要通过交叉销售来锁定 1800 万客户。 在应用数据挖掘之前，银行的销售代表必须于晚上 6 点至 9 点在特定地区通过电话向客户推销产品。但是，正如每个处于接受端的人所了解的那样，大多数人在工作结束后对于兜售并不感兴趣。因此，在晚餐时间进行电话推销的反馈率非常低。 5）出了一个新成品，哪些老客户最可能购买 几年前，该银行开始采用 IBM DB2 Intelligent Miner Scoring，基于银行账户余额、客户已拥有的银行产品以及所处地点和信贷风险等标准来评价记录档案。这些评价可用于确定客户购买某一具体产品的可能性。 对客户的财务行为习惯及其对银行收益率的影响有了更深入的了解。当进行更具针对性的营销活动时，银行能够区别对待不同的客户群，以提升产品和服务质量，同时还能制订适当的价格和设计各种奖励方案，甚至确定利息费用。 6）登录网站的当前用户现在最可能购买什么东西？ 丹佛的 eBags 旨在针对旅客销售手提箱、手提袋、钱包以及提供其它旅行服务。 该公司采用 Kana 软件公司的 E-Marketing Suite 来整合其网站的 Oracle 数据库、财务系统、客户服务电子邮件和呼叫中心，从而获得客户购买行为习惯方面的信息。 数据分析能够帮助公司确定是哪个页面导致了客户的高采购率，并了解是什么内容推动了销售。 6）登录网站的当前用户现在最可能购买什么东西？ 丹佛的 eBags 旨在针对旅客销售手提箱、手提袋、钱包以及提供其它旅行服务。 该公司采用 Kana 软件公司的 E-Marketing Suite 来整合其网站的 Oracle 数据库、财务系统、客户服务电子邮件和呼叫中心，从而获得客户购买行为习惯方面的信息。 数据分析能够帮助公司确定是哪个页面导致了客户的高采购率，并了解是什么内容推动了销售。 * 电子商务推荐系统 2.4 几个关系？ （1） DW与DM的关系？ 数据仓库：是一种存储技术，它能适应于不同用户对不同决策需要提供所需的数据和信息。 数据挖掘：研究各种方法和技术，从大量的数据中挖掘出有用的信息和知识。 二者的区别 * DM与DW关系密切 DW可为DM提供正确的、完整的和集成的数据； DM建立在DW上，扩展DW的功能。 * 注意： 数据仓库并不是数据挖掘的必要条件： 数据挖掘不一定必须建立在一个数据仓库上，数据仓库不是必要条件； 基于在开发数据仓库过程中所进行的数据集成、清洗和准备，才使得数据仓库对于数据挖掘有着重要的价值。 2. OLAP与DM？ OLAP：假设验证。比如，一个分析师想找到什么原因导致了贷款拖欠，他可能先做一个初始的假定，认为低收入的人信用度也低，然后用OLAP来验证他这个假设。 DM：自动学习。比如，一个用数据挖掘工具的分析师想找到引起贷款拖欠的风险因素。数据挖掘工具可能帮他找到高负债和低收入是引起这个问题的因素，甚至还可能发现一些分析师从来没有想过或试过的其他因素，比如年龄。 OLAP与DM * * * 数据挖掘 在成为用户最多的互联网公司后，腾讯所掌握的用户数据量日益丰富，挖掘这些数据成为腾讯后来在多元业务扩展时屡试不爽的重武器。有分析人士甚至说，“数据挖掘”才是腾讯最具门槛性质的技术 * * （2）钻取 钻取包括向下钻取（Drill-down）和向上钻取（Drill-up）/上卷（Roll-up）。钻取的深度与维所划分的层次相对应。 下钻： 从汇总数据深入到细节数据进行观察或增加新维。 上钻： 在某一维上将低层次的细节数据概括到高层次的汇总数据。 * （2）钻取 * （3）旋转/转轴 数据旋转是改变维的位置关系，使用户可以从不同角度来观察多维数据。 如，要形成横向为地理，纵向为时间的报表，可以把横向的时间维与纵向的地理维进行交换。 * （3）旋