基于数据挖掘技术的汽油消费量预测建模.pptVIP

建设背景 * 基于聚类分析的客户分群 客户分群的商业理解 数据分群的数据理解 客户分群的数据准备 客户分群的模型建立 客户分群的模型评估 客户分群的模型发布 2、战术分群与目标市场营销 基于聚类分析的客户分群 客户分群的商业理解 数据分群的数据理解 客户分群的数据准备 客户分群的模型建立 客户分群的模型评估 客户分群的模型发布 2、战术分群与目标市场营销 总体流程 总体流程 纳税评估流程 * 纳税评估流程 * 纳税评估流程 * 纳税评估流程 * 基于聚类分析的客户分群 客户分群的商业理解 数据分群的数据理解 客户分群的数据准备 客户分群的模型建立 客户分群的模型评估 客户分群的模型发布 2、战术分群与目标市场营销 基于聚类分析的客户分群 客户分群的商业理解 数据分群的数据理解 客户分群的数据准备 客户分群的模型建立 客户分群的模型评估 客户分群的模型发布 2、战术分群与目标市场营销 案例现场 汽油消费量预测建模 数据挖掘技术及应用系列培训讲座 时间：2012年3月5日 09:30-10:30 案例描述 建模算法 建模流程 在线建模 参考资料 案例描述 汽油消费量受到经济发展、人民生活水平的影响，科学预测对于能源规划有重要意义。本实例分别采用回归分析、BP神经网络等算法构建汽油消费量模型，挖掘汽油消费量受到的影响因素，引入BP神经网络算法，实现智能预测。 案例描述 建模算法 建模流程 在线建模 参考资料 算法介绍-线性回归 社会经济现象的变化往往受到多个因素的影响，因此，一般要进行多元回归分析，我们把包括两个或两个以上自变量的回归称为多元回归。多元回归与一元回归类似，可以用最小二乘法估计模型参数。也需对模型及模型参数进行统计检验。选择合适的自变量是正确进行多元回归预测的前提之一，多元回归模型自变量的选择可以利用变量之间的相关矩阵来解决。使用最小二乘法进行参数估计。 算法介绍-LM神经网络 误差反向传播算法(Back-propagation，简称BP算法)是当前前馈神经网络训练中应用最多的算法。 Levenberg-Marquardt(LM)算法是针对BP算法存在局部极小点,收敛速度慢等缺点，通过采用基于优化理论来改进BP算法。 LM算法实际上是梯度下降法和牛顿法的结合，它的优点在于网络权值数目较少时收敛非常迅速。应用LM优化算法比传统的BP及其它改进算法（如共轭梯度法，附加动量法、自适应调整法及拟牛顿法等）迭代次数少，收敛速度快，精确度高。因此，LM优化算法在BP网络学习中具有一定优越性。 算法介绍-LM神经网络 LM算法基本思想是使其每次迭代不再沿着单一的负梯度方向，而是允许误差沿着恶化的方向进行有哪些信誉好的足球投注网站，同时通过在最速梯度下降法和高斯－牛顿法之间自适应调整来优化网络权值，使网络能够有效收敛，大大提高了网络的收敛速度和泛化能力。 LM优化算法，又称为阻尼最小二乘法，其权值调整公式为： 案例描述 建模算法 建模流程 在线建模 参考资料 建模流程 建模流程 1、数据准备 2、创建方案 建模流程 3、加载数据 建模流程 4、选择算法 建模流程 5、建模时导入训练样本 建模流程 6、建模参数设置 建模流程-LM神经网络 7、模型训练 建模流程 8、模型验证 建模流程 8、模型验证 建模流程 9、模型预测 建模流程 10、结果分析 经过多元线性回归，可得到结果，重复上述步骤，进行BP神经网络建模，得到结果。具体结果参见汽油消费量.xsl- 结果分析。 从结果上看,BP神经网络建模具有一定的优势。 案例描述 建模算法 建模流程 在线建模 参考资料 在线建模 在线建模 在线建模 案例描述 建模算法 建模流程 在线建模 参考资料 学习动物精神 11、机智应变的猴子：工作的流程有时往往是一成不变的，新人的优势在于不了解既有的做法，而能创造出新的创意与点子。一味 地接受工作的交付， 只能学到工作方法 的皮毛，能思考应 变的人，才会学到 方法的精髓。 学习动物精神 12、善解人意的海豚：常常问自己：我是主管该怎么办才能有助于更好的处理事情的方法。在工作上善解人意， 会减轻主管、共 事者的负担，也 让你更具人缘。 基于聚类分析的客户分群 客户分群的商业理解 数据分群的数据理解 客户分群的数据准备 客户分群的模型建立 客户分群的模型评估 客户分群的模型发布 2、战术分群与目标市场营销