数据挖掘原理与SPSSClementine应用宝典第16章数据挖掘建模教学幻灯片讲义.pptVIP

* * 数据挖掘原理与SPSS Clementine应用宝典 元昌安 主编　 邓　松　李文敬　刘海涛　编著 电子工业出版社 16.4小结 16.3数据挖掘建模原理 16.3.1建模要求 16.3.2建模原则 16.3.3简化模型 16.3.4建模步骤 16.3.5建模素质 16.1数据挖掘建模概述 16.1.2原型与模型 16.1.3模式与模型 16.1.4知识层次理论 16.1.5模型与数据 16.1.6知识结构与框架 16.1.7决策 16.2数据挖掘建模基础 16.2.1数据挖掘建模 16.2.2建模与挖掘的结合 16.2.3模型分类 16.2.4建模行为 内容 16.1数据挖掘建模概述 16.1.1原型与模型 原型指的是人们在现实世界里关心、研究、或者从事生产、管理的实际对象。本章所述的现实对象、研究对象、实际问题等均指原型。 模型则是为了某个特定目的将原型的某部分简缩、提炼而构造的原型替代物。 16.1.2模式与模型 模式（Pattern）其实就是解决某一类问题的方法论，把解决某类问题的方法总结归纳到理论高度，就是模式。 模型（Model）就是封装数据和所有基于对这些数据的操作，是对现实世界中过程的抽象描述。 16.1.3知识层次理论 知识是从数据到智慧划分为不同层次的，并且所有模型都是基于数据的，理解模型也要把握数据、信息和知识的结构。 16.1.4模型与数据 从某种意义上而言，模型就是知识，模型联接着数据和知识，它们对于数据提供解释具有一定的意义，把出现在数据中的信息封装到特定框架中 模型如何表述数据集内的信息，亦即实际中运用何种形式或机制去表述模型中的信息内容。 从可操作性上而言，一个完整的模型通常必须包含信息表述结构和解释机制。一般模型的简化形式可以用图16－2的数据与模型的构成部分来表示。 16.1.5知识结构与框架 知识结构是指知识领域内事实、概念、观念、公理、定理、定律等的组合方式。一般可分为以下三类结构： 学科知识结构，是各种学科内容的有机组合。 个体知识结构，为个体头脑中知识的构成状况，表现为各种门类、各种层次知识的比例及相互关系。 群体知识结构，为一个组织中成员所具有的各种不同知识的集体组合。 概括地说，知识结构可以表示成由对象间的互联以及定义连接的交互网络。 决策的种类 选择性决策 在选择性决策中，决策者面对着两个或者更多离散的、特殊的备选项，必须从这个集合中选出一个子集或者仅选出一个选项。 接受/拒绝性决策 在接受/拒绝性决策中，决策者面对的仅是一个决策，必须接受这个决策或者拒绝它。 评价性决策 在评价性决策中，决策者必须基于对某实体价值的评估而进行一系列的活动 建设性决策 在建设性决策中，决策者必须依照特定的限制使用可用资源来恰当地组织各个可选的主题。 16.1.6.2决策步骤 一般决策过程都大致包括如图16－3决策步骤流程图所示的八个基本步骤： 16.1.6.3决策分析方法 科学决策的前提是运用科学的决策分析方法，决策分析是研究不确定性问题的一种系统分析方法。其目的是改进决策过程，从一系列备选方案中找出一个能满足一定目标的合适方法。 对于不同的情形会有不同的决策方法。 确定性情形 不确定性情形 随机性情形 多目标情形 多人决策情形 16.1.6.4决策与建模 在管理应用中，决策常常依赖于模型来进行，模型是决策的有力助手，模型在提高效率方面产生了极其深远的意义。 建模是建立模型的过程的简称，又称为模型化。凡是用模型描述问题的因果关系或相互关系的过程都属于建模。 建模的目的是用可量化的决策变量来帮助管理者进行决策，模型的目标函数表达了根据决策变量做出的相应的绩效度量，模型的约束条件表示对决策变量可能取值的限制。 建模是为了解决问题，建模者只有依据存在的确定问题才可以建模。 16.2数据挖掘建模基础 16.2.1数据挖掘建模 数据挖掘中的建模是由数据驱动的，它通常不是由任何潜在机制或“事实”驱动的，而是为了捕捉数据中存在的关系。 因此，数据挖掘建模是数据驱动型建模的一种。 由于数据挖掘是数据驱动的，根据数据得到的模型本无精确模型与非精确模型之分，所以不应该认为数据与模型的发现存在某种因果关系。 16.2.1.1数据建模 数据建模是建立数据驱动型模型的简称，是指用更具体、更明确的函数表达形式(函数类型)来描述由输入变量到输出变量之间的映射，并根据有限的采样数据计算模型参数的建模活动过程。 ? 16.2.1.2实体/数据驱动型模型的建模过程 16.2.1.3实体模型与数据驱动型模型的比较 我们可以看到，虽然实体模型