数据仓库与数据挖掘技术 第6章3预测.pptVIP

6.2 预测分析与趋势分析规则 预测型知识（Prediction） 预测型知识（Prediction）：它根据时间序列型数据，由历史的和当前的数据去推测未来的数据，也可以认为是以时间为关键属性的关联知识。 1968年Box和Jenkins提出了一套比较完善的时间序列建模理论和分析方法，这些经典的数学方法通过建立随机模型，如自回归模型、自回归滑动平均模型、求和自回归滑动平均模型和季节调整模型等，进行时间序列的预测。由于大量的时间序列是非平稳的，其特征参数和数据分布随着时间的推移而发生变化。 为此，人们提出了基于统计学和基于精确性的再训练方法，当发现现存预测模型不再适用于当前数据时，对模型重新训练，获得新的权重参数，建立新的模型。也有许多系统借助并行算法的计算优势进行时间序列预测。 趋势分析研究 时序数据的描述 长期或趋势变化 这是有关一个时序再一个大的时间间隔内的总体变化方向。趋势变化是由趋势曲线来表示。确定这种趋势曲线的典型方法就是最小平方方法、加权移动平均方法等。 循环变化 这是指趋势曲线所表现出的一种长期振荡。这种循环可能也可能不是周期的，也就是说它们再相同时间间隔，可能有也可能没有相似的变化模式。 季节性变化 这是有关时序数据再连续年份的各相应月中所表现出相同或几乎相同的模式。这种变化是由于每年所重复发生事件而引起的。如在春节期间的销售额猛增。 无规律变化 这是有关时序数据所表现出的漫无规律的变化。它是由随机无规律事件所引起的。如：公司人事变动的宣布。 预言的基本方法 预言（prediction）是一门掌握对象变化动态的科学，它是对对象变动趋势的预见、分析和判断，也是一种动态分析方法。 通过分类或估值得出模型，用于对未知变量的预言。 一旦建立了表示数据中固有模式和趋势的模型，就可以成功地用于对未来事件的结果进行预测。 预测的基本步骤 确定预测目标，包括预测对象、目的、对象范围 收集分析内部和外部资料 数据的处理及模型的选择 预测模型的分析、修正 确定预测值 预测方法 定性预测 包括集合意见法、用户意见法（对象调查法）、员工意见法、专家评估法、类推法、判断预测和目标分解法等。 定量预测 情景分析法、时间序列分析法（移动平均，指数平滑，季节系数，DOX-TENKENS法）、因果分析法（线性，回归，非线性模型，含生命周期法，经济计量模型，灰色系统模型，状态转移模型，模拟法，系统模型）等。 定量分析预测——时间序列分析法 时间序列可划为四种变化特征： 趋势性(T)、季节性(S)、周期性(C)、不规则性(I) 可以利用散点图识别来变化特征。 时间序列分析法一般有： 简单平均、移动平均、加权移动平均、指数平滑、一元线性回归、相关比例推算。 定量分析预测——回归预测 一元线性回归（趋势外推）： Y= a0+ a1*X 多元回归(因果关系)：Y=a0+a1*X1+a2*X2+ …+an*Xn 系数用最小二乘法确定系数：a0a1，…，an 定量分析预测——非线性模型 Y=A+B*LOG(X) Y=1/(A+B*EXP(-X) Y=1/(A+B*X) Y=X/(A+B*X) Y=A*X^B，(A0) Y=A*EXP(B*X)，(A0) Y=A*EXP(B/X) ，(A0) Y=A*EXP(B*X^2)，(A0) 将以上模型进行线性处理再转化为一元回归模型。 定量分析预测——组合预测 以预测方法应用的多少为标准排序 在进行组合预测时预测模型的选取原则 以预测方法层次 在进行组合预测时预测模型的选取原则 要在数据识别上建模、建立何种模型，并不取决于预测者意图； 应考虑适用性、数据易采集性和时效性的原则 定量与定性相结合的原则 在进行组合预测时对数据的选取原则 数据应具有代表性，有一定客观规律 对于异常数据可采用比例法、移动平均、指数平滑等方法进行适当的修正。 预测的发展 预测主导方向 定量预测、定性预测和计算机结合 预测必威体育精装版动向 神经网络预测理论 基于规则的预测系统 专家预测系统 判断预测 组合预测 预测的结果分析 相反预测结果 胜出裕度 成本收益分析 * * 时序分析就是研究其中的趋势、循环、季节性和无规律的因素，也就是将一个时序分解为它的基本变化形式。