活动交大附中数据挖掘2.05353.pptxVIP

Data Mining;;PART ONE;数据挖掘概述;国民经济和社会的信息化;数据挖掘的社会需求;数据爆炸，知识贫乏;技术分类 预言（Predication）：用历史预测未来 描述（Description）：了解数据中潜在的规律 数据挖掘技术 关联分析 序列模式 分类（预言） 聚集 异常检测;PART TWO;为什么需要预处理;数据挖掘系统的特征; 数据的特征;PART FOUR; 数据挖掘应用;工业控制技术研究所; 特征工程有什么重要性？;特征工程：利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过程。 特征构建：是原始数据中人工的构建新的特征。 特征提取：自动地构建新的特征，将原始特征转换为一组具有明显物理意义或者统计意义或核的特征。 特征选择：从特征集合中挑选一组最具统计意义的特征子集，从而达到降维的效果。;特征提取的对象是原始数据（raw data），它的目的是自动地构建新的特征，将原始特征转换为一组具有明显物理意义（Gabor、几何特征[角点、不变量]、纹理[LBP HOG]）或者统计意义或核的特征。 常用的方法有： PCA (Principal component analysis，主成分分析) ICA (Independent component analysis，独立成分分析) LDA （Linear Discriminant Analysis，线性判别分析） 对于图像识别中，还有SIFT方法。;1.任务要求 2.选择数据(Select Data): 整合数据，将数据规范化成一个数据集，收集起来. 3.数据预处理（Preprocess Data）: 数据格式化，数据清理，采样等. 4.数据转换（Transform Data）: 这个阶段做特征工程. 5.数据建模（Model Data）: 建立模型，评估模型并逐步优化.;PART THREE; 统计预测的概念;; 实际资料是预测的依据； 理论是预测的基础； 数学模型是预测的手段。;预测类问题概要介绍;统计预测方法的分类和选择;(三)定量预测; 只需要序列的历史资料;方法; ; 回归预测法; 回归分析预测法的具体步骤 1)确定预测目标和影响因素 2）进行相关分析 3）建立回归预测模型 4）回归预测模型的检验 5）进行实际预测 具体来说： 1）凭借研究者的理论和经验确定分析对象之间的相关关系，确定因变量。 2）筛选自变量。分析各自变量与因变量之间的相关关系，观察其相关关系的表现形式及密切程度。选用那些与因变量关系最为密切的自变量。在用多元回归预测时，还要分析各自变量之间的相关关系，选用那些关系不密切的自变量。如有两个自变量相互关系很密切，则应舍弃其中的一个。 3）确定回归方程式。根据理论分析和相关分析，确定用怎样的回归模型来进行分析，这也是回归分析的关键和难度所在。 4）相关检验。对回归方程估计结果进行相关系数、显著性、t检验等等，确定回归模型的适用性。 5）预测。;a. 影响GDP增长的因素有哪些（投资、消费、出口、货币供应量等）？ b. GDP与各种因素关系的性质是什么？（增、减） c. 各影响因素与GDP的具体的数量关系？ d. 所作数量分析结果的可靠性如何？ e. 今后的发展趋势怎么样？ ;例2：中国家庭汽车市场;研究过程;PART FIVE; 分工合作;正确的获奖分工; 写答卷前的思考和工作规划;数学建模论文的组成部分;摘要是一篇文章的灵魂，看完摘要，一篇文章的研究对象、研究思路、创新点、实践情况、最终结果和自我评价等内容都应当十分清楚了。 摘要结构： 1.综述（所求解的问题，对该问题定性，所使用的总模型或基本方法）3-5行。 1.1创新点阐释（如果认为自己队伍做这道题目采用的方法很不寻常或者发现了一些其他文献中没有提到的规律，在此重点阐释）;2.具体问题的解答 分问题说明在解答中“基于**理论建立了**模型，采用**方法求解，得到了**结果”）。 要注意段落与段落间的连接，最好不要“第一问：”，而是“首先，针对第一文中提出的**问题。。。”，“然后，第二问在第一问的基础上引入了**。。。”，“接着，将之前的模型进行**改进即可解答第三问。。。”，大约半页或半页多一些的篇幅 3.对模型的简要评价;如果认为自己的想法比较有新意或者认为文章偏短或自己的思路在开始写论文时都不是很清晰，就写这一部分。 注意，这一部分不要过分透彻的剖析或者将模型说的太过明白，以免写到模型建立时无话可说! 这一部分可以让人较清楚地看到你的思维过程，所有如果觉得自己的思路很独特，就在此写清思路的形