姓名:楊凱航 學號:17101223381
轉自http://www.cnn6.net/html/bigdata/20171010/202649.html
【嵌牛導讀】數(shù)據(jù)挖掘中比較常見實用的一些分析方法邻吞。
【嵌牛鼻子】數(shù)據(jù)挖掘(MBR,OLAP...)
【嵌牛提問】在不同的商業(yè)領域應用中,有關數(shù)據(jù)挖掘佛析,我們該如何正確的選擇其分析方法?
【嵌牛正文】
1.基于歷史的MBR分析
基于歷史(Memory-Based? Reasoning)的MBR分析方法最主要的概念是用已知的案例(case)來預測未來案例的一些屬性(attribute)叶雹,通常找尋最相似的案例來做比較钉寝。
MBR中有兩個主要的要素茬射,分別為距離函數(shù)(distance function)與結合函數(shù)(combination? function)。距離函數(shù)的用意在找出最相似的案例;結合函數(shù)則將相似案例的屬性結合起來梆靖,以供預測之用控汉。
MBR的優(yōu)點是它容許各種型態(tài)的數(shù)據(jù)笔诵,這些數(shù)據(jù)不需服從某些假設。另一個優(yōu)點是其具備學習能力姑子,它能藉由舊案例的學習來獲取關于新案例的知識乎婿。較令人詬病的是它需要大量的歷史數(shù)據(jù),有足夠的歷史數(shù)據(jù)方能做良好的預測街佑。此外記憶基礎推理法在處理上亦較為費時谢翎,不易發(fā)現(xiàn)最佳的距離函數(shù)與結合函數(shù)。其可應用的范圍包括欺騙行為的偵測沐旨、客戶反應預測森逮、醫(yī)學診療、反應的歸類等方面磁携。
2.購物籃分析
購物籃分析(Market Basket? Analysis)最主要的目的在于找出什么樣的東西應該放在一起?商業(yè)上的應用在藉由顧客的購買行為來了解是什么樣的顧客以及這些顧客為什么買這些產品褒侧,? 找出相關的聯(lián)想(association)規(guī)則,企業(yè)藉由這些規(guī)則的挖掘獲得利益與建立競爭優(yōu)勢颜武。舉例來說璃搜,零售店可藉由此分析改變置物架上的商品排列或是設計? 吸引客戶的商業(yè)套餐等等。
購物籃分析基本運作過程包含下列三點:
選擇正確的品項:這里所指的正確乃是針對企業(yè)體而言鳞上,必須要在數(shù)以百計这吻、千計品項中選擇出真正有用的品項出來。
經由對共同發(fā)生矩陣(co-occurrence matrix)的探討挖掘出聯(lián)想規(guī)則篙议。
克服實際上的限制:所選擇的品項愈多唾糯,計算所耗費的資源與時間愈久(呈現(xiàn)指數(shù)遞增),此時必須運用一些技術以降低資源與時間的損耗鬼贱。
購物籃分析技術可以應用在下列問題上:針對信用卡購物移怯,能夠預測未來顧客可能購買什么。對于電信與金融服務業(yè)而言这难,經由購物籃分析能夠設計不同的服務組合以擴大利潤舟误。保險業(yè)能藉由購物籃分析偵測出可能不尋常的投保組合并作預防。對病人而言姻乓,在療程的組合上嵌溢,購物籃分析能作為是否這些療程組合會導致并發(fā)癥的判斷依據(jù)。
3.決策樹
決策樹(Decision? Trees)在解決歸類與預測上有著極強的能力蹋岩,它以法則的方式表達赖草,而這些法則則以一連串的問題表示出來,經由不斷詢問問題最終能導出所需的結果剪个。典型的決策樹頂端是一個樹根秧骑,底部有許多的樹葉,它將紀錄分解成不同的子集,每個子集中的字段可能都包含一個簡單的法則乎折。此外绒疗,決策樹可能有著不同的外型,例如二元? 樹骂澄、三元樹或混和的決策樹型態(tài)忌堂。
4.遺傳算法
遺傳算法(Genetic? Algorithm)學習細胞演化的過程,細胞間可經由不斷的選擇酗洒、復制士修、交配、突變產生更佳的新細胞樱衷∑宄埃基因算法的運作方式也很類似,它必須預先建立好一個模式矩桂,再經由一連串類似產生新細胞過程的運作沸移,利用適合函數(shù)(fitness? function)決定所產生的后代是否與這個模式吻合,最后僅有最吻合的結果能夠存活侄榴,這個程序一直運作直到此函數(shù)收斂到最佳解雹锣。基因算法在群集 (cluster)問題上有不錯的表現(xiàn)癞蚕,一般可用來輔助記憶基礎推理法與類神經網絡的應用蕊爵。
5.聚類分析
聚類分析(Cluster? Detection)這個技術涵蓋范圍相當廣泛,包含基因算法桦山、類神經網絡攒射、統(tǒng)計學中的群集分析都有這個功能。它的目標為找出數(shù)據(jù)中以前未知的相似群體恒水,在許許多多的分析中会放,剛開始都運用到群集偵測技術,以作為研究的開端钉凌。
6.連接分析
連接分析(Link Analysis)是以數(shù)學中之圖形理論(graph? theory)為基礎咧最,藉由記錄之間的關系發(fā)展出一個模式,它是以關系為主體御雕,由人與人矢沿、物與物或是人與物的關系發(fā)展出相當多的應用。例如電信服務業(yè)可藉連結分析收集到顧客使用電話的時間與頻率饮笛,進而推斷顧客使用偏好為何咨察,提出有利于公司的方案论熙。除了電信業(yè)之外福青,愈來愈多的營銷業(yè)者亦利用連結分析做有利于? 企業(yè)的研究。
7.OLAP分析
嚴格說起來,OLAP(On-Line Analytic? Processing;OLAP)分析并不算特別的一個數(shù)據(jù)挖掘技術无午,但是透過在線分析處理工具媒役,使用者能更清楚的了解數(shù)據(jù)所隱藏的潛在意涵。如同一些視覺處理技術一般宪迟,透過圖表或圖形等方式顯現(xiàn)酣衷,對一般人而言,感覺會更友善次泽。這樣的工具亦能輔助將數(shù)據(jù)轉變成信息的目標穿仪。
8.神經網絡
神經網絡是以重復學習的方法,將一串例子交與學習意荤,使其歸納出一足以區(qū)分的樣式啊片。若面對新的例證,神經網絡即可根據(jù)其過去學習的成果歸納后玖像,推導出新的結果紫谷,乃屬于機器學習的一種。數(shù)據(jù)挖掘的相關問題也可采類神經學習的方式捐寥,其學習效果十分正確并可做預測功能笤昨。
9.判別分析
當所遭遇問題它的因變量為定性(categorical),而自變量(預測變量)為定量(metric)時握恳,判別分析為一非常適當之技術瞒窒,通常應用在解決分類的問題上面。若因變量由兩個群體所構成乡洼,稱之為雙群體? —判別分析 (Two-Group Discriminant Analysis);若由多個群體構成根竿,則稱之為多元判別分析(Multiple? Discriminant Analysis;MDA)。
a. 找出預測變量的線性組合就珠,使組間變異相對于組內變異的比值為最大寇壳,而每一個線性組合與先前已經獲得的線性組合均不相關。
b. 檢定各組的重心是否有差異妻怎。
c. 找出哪些預測變量具有最大的區(qū)別能力壳炎。
d. 根據(jù)新受試者的預測變量數(shù)值,將該受試者指派到某一群體逼侦。
10.邏輯回歸分析
當判別分析中群體不符合正態(tài)分布假設時匿辩,邏輯回歸分析是一個很好的替代方法。邏輯回歸分析并非預測事件(event)是否發(fā)生榛丢,而是預測該事件的機率铲球。它將自變量與因變量的關系假定是S行的形狀,當自變量很小時晰赞,機率值接近為零;當自變量值慢慢增加時稼病,機率值沿著曲線增加选侨,增加到一定程度時,曲線協(xié)? 率開始減小然走,故機率值介于0與1之間援制。