数据挖掘技术及案例分析.pptVIP

Which？用在哪些方面？ CRM客户关系管理 Wallet Share：钱包份额，即从客户身上赚更多的钱，产品销售，交叉销售 Acquisition：客户获取，即拿更多的客户过来 Retention：客户保持，做流失预测 Frand：欺诈，违规客户，在证券行业 合起来：WAR/F：帮你打赢这场战争 SAS客户智能---SAS Customer Interlligence客户生命周期管理 起始（客户获取：对新的品牌缺乏了解，处于观望，忠诚度低）--- 发展（客户激活：使用频率低，想尝试其它产品）--- 成熟（客户流失预测）--- 终止 Which？用在哪些方面？ CRM客户关系管理 Wallet Share：钱包份额，即从客户身上赚更多的钱，产品销售，交叉销售 Acquisition：客户获取，即拿更多的客户过来 Retention：客户保持，做流失预测 Frand：欺诈，违规客户，在证券行业 合起来：WAR/F：帮你打赢这场战争 SAS客户智能---SAS Customer Interlligence客户生命周期管理 起始（客户获取：对新的品牌缺乏了解，处于观望，忠诚度低）--- 发展（客户激活：使用频率低，想尝试其它产品）--- 成熟（客户流失预测）--- 终止 对数据的初步探索，以更好地了解其特点 通过分析采样数据质量，对数据进行加工整理后，接下来即可进行初步的分析，为预测建模做准备。 预测模型是对采样数据轨迹的概括，它反映的是采样数据内部结构的一般特征，与该采样数据的具体结构并不完全吻合。模型的具体化就是预测公式，公式可以产生与观察值有相似结构的输出，这就是预测值。预测模型是多种多样的，可以适用于不同结构的样本数据，因此，对一个具体采样数据，就有选择适当预测模型的问题。正确选择预测模型在数据挖掘过程中是具有关键性的一步。有时由于模型选择不当，造成预测误差过大，就需要改换模型。必要时，可同时采用几种预测模型进行运算，以便对比、选择。 * * * * * * * * * * * * 同一采样数据可以用多种数据分析方法和模型进行分析 模型评估目的：从多个模型中找出最优模型 模型评估：1）直接用原来样本数据进行检验，2）另外找一批新数据检验 评价指标：均方误差；平均绝对误差；平方和误差；平均绝对误差 数据挖掘过程—模型评估 数据挖掘过程—模型评估 不管黑猫、白猫，抓到老鼠就是好猫。 建模必须建立在对业务充分理解的基础上。 内 容 数据挖掘FAQ 数据挖掘过程 应用案例 水质预测—分类与回归 流量预测—聚类分析 信用分析—关联规则 变形预测—时序模式 灾变预测—偏差检测 水产养殖生产结构优化 总结 应用案例 案例均基于太普数据挖掘（）实现 太普数据挖掘简介： 太普数据挖掘套件（TIP DM Suite，TipDM）是广州太普软件自主研发的一个数据挖掘工具，基于SOA架构，使用JAVA语言开发，能从各种数据源获取数据，建立各种不同的数据挖掘模型（目前已集成数十种预测算法和分析技术，基本覆盖了国外主流挖掘系统支持的算法，用户也可以嵌入其它自己开发的任何算法），使用TipDM操作接口进行数据挖掘工作。工具支持数据挖掘流程所需的主要过程，完成包括对数据进行预处理，包括空值处理、降维处理、离散处理，因子分析、主成分分析、抽样、过滤等，创建、训练、评估模型，预测，修改模型参数，误差分析等一系列功能。 应用案例—水质预测(分类与回归) 利用BP神经网络算法，进行分类预测 案例描述： 输入：温度、盐度、PH值和溶解氧的含量 输出：水质类别 算法原理｜案例演示 应用案例—交通量预测(聚类分析) 利用k-Means聚类算法，进行短期交通量预测 案例描述： 公路隧道短期交通量是隧道监控系统的核心参数，车辆交通流量的大小直接决定隧道内污染严重程度。 主要考虑因素为：time为时间段，weather为天气情况，traffic为交通量。 案例演示 应用案例—个人信用数据关联规则分析 案例描述： 通过银行提供的个人信用数据，利用Apriori算法，进行关联规则分析 关联程度主要通过支持度(Support)和置信度(Confidence)衡量 案例演示 应用案例—基坑变形预测(时序模式) 利用GM(1,1)灰色系统，进行时序预测 案例描述： 输入：历史基坑实际监测变形量 输出：未来基坑变形量 案例演示 应用案例—水产养殖丰欠年灾变预测 灾变是指系统行为特征量超过某个阈值而使系统的活动产生异常的后果。年灾变预测是对灾变发生的年份进行预测。 案例描述： 鳗