《数据挖掘：实用案例分析课件.pptx》由会员分享，可在线阅读，更多相关《数据挖掘：实用案例分析课件.pptx（56页珍藏版）》请在三一办公上搜索。
1、,数据挖掘：实用案例分析,2020,数据挖掘：实用案例分析2020,目录,01.,为什么要写这本书,07.,光盘内容,03.,勘误和支持,05.,第二部分 实战篇,02.,读者对象,04.,第一部分 基础篇,06.,第三部分 高级篇,目录01.为什么要写这本书07.光盘内容03.勘误和支持05,为什么要写这本书,01,为什么要写这本书01,为什么要写这本书,为什么要写这本书,读者对象,02,读者对象02,读者对象,读者对象,勘误和支持,03,勘误和支持03,勘误和支持,勘误和支持,第一部分 基础篇,04,第一部分 基础篇04,1 初识数据挖掘,1.1 什么是数据挖掘 1.2 数据挖掘在企业商务
2、智能应用中的定位 1.2.1 数据挖掘给企业带来最大的投资收益1.2.2 数据挖掘从本质上提升商务智能平台的价值1.2.3 数据挖掘让商务智能流程真正形成闭环1.3 信息类BI应用与知识类BI应用 1.4 数据挖掘现状及应用前景 1.5 本章小结,1 初识数据挖掘1.1 什么是数据挖掘,2 数据挖掘的应用分类,2.1 分类与回归,2.4 时序模式,2.2 聚类,2.5 偏差检测,2.6 本章小结,2.3 关联规则,2 数据挖掘的应用分类2.1 分类与回归2.4 时序模式2.,2 数据挖掘的应用分类,2.1 分类与回归,2.1.1 分类与回归建模原理2.1.2 分类与回归算法,2 数据挖掘的应用
3、分类2.1 分类与回归2.1.1 分类与回,2 数据挖掘的应用分类,2.2 聚类,2.2.1 聚类分析建模原理2.2.2 聚类算法,2 数据挖掘的应用分类2.2 聚类2.2.1 聚类分析建模原,2 数据挖掘的应用分类,2.3 关联规则,2.3.1 什么是关联规则2.3.2 关联规则算法,2 数据挖掘的应用分类2.3 关联规则2.3.1 什么是关联,2 数据挖掘的应用分类,2.4 时序模式,2.4.1 什么是时序模式2.4.2 时间序列的组合成分2.4.3 时间序列的组合模型2.4.4 时序算法,2 数据挖掘的应用分类2.4 时序模式2.4.1 什么是时序,3 数据挖掘建模,3.1 数据挖掘的过
4、程,3.2 数据挖掘建模过程,3.3 常用的建模工具,3.4 本章小结,D,C,A,B,3 数据挖掘建模3.1 数据挖掘的过程3.2 数据挖掘建模过,3 数据挖掘建模,3.2 数据挖掘建模过程,3.2.1 定义挖掘目标3.2.2 数据取样3.2.3 数据探索3.2.4 预处理3.2.5 模式发现3.2.6 模型构建3.2.7 模型评价,3 数据挖掘建模3.2 数据挖掘建模过程3.2.1 定义挖掘,4 顶尖数据挖掘平台TipDM,4.1 TipDM产品功能,4.2 TipDM使用说明,4.3 TipDM产品特点,4.4 本章小结,D,C,A,B,4 顶尖数据挖掘平台TipDM4.1 TipDM产
5、品功能4.,4 顶尖数据挖掘平台TipDM,4.1 TipDM产品功能,4.1.1 TipDM平台提供的数据探索及预处理算法4.1.2 TipDM平台提供的分类与回归算法4.1.3 TipDM平台提供的时序模式算法4.1.4 TipDM平台提供的聚类分析算法4.1.5 TipDM平台提供的关联规则算法,4 顶尖数据挖掘平台TipDM4.1 TipDM产品功能4.,4 顶尖数据挖掘平台TipDM,4.3 TipDM产品特点,4.3.1 支持CRISP-DM数据挖掘标准流程4.3.2 提供丰富的数据挖掘模型和灵活算法4.3.3 具有多模型的整合能力4.3.4 提供灵活多样的应用开发接口4.3.5
6、海量数据的处理能力4.3.6 适应不同类型层次人员需求,4 顶尖数据挖掘平台TipDM4.3 TipDM产品特点4.,第二部分 实战篇,05,第二部分 实战篇05,5 数据挖掘在金融电信行业的应用,A,D,B,C,5.2 案例二：电信3G客户识别系统,5.3 案例三：基于客户分群的精准智能营销,5.4 本章小结,5.1 案例一：基于公司价值评价的证券策略投资,5 数据挖掘在金融电信行业的应用ADBC5.2 案例二：电信,5 数据挖掘在金融电信行业的应用,5.1 案例一：基于公司价值评价的证券策略投资,5.1.1 挖掘目标的提出5.1.2 分析方法与过程5.1.3 建模仿真5.1.4 核心知识点
7、5.1.5 拓展思考,5 数据挖掘在金融电信行业的应用5.1 案例一：基于公司价值,5 数据挖掘在金融电信行业的应用,5.2 案例二：电信3G客户识别系统,5.2.1 挖掘目标的提出5.2.2 分析方法与过程5.2.3 建模仿真5.2.4 核心知识点5.2.5 拓展思考,5 数据挖掘在金融电信行业的应用5.2 案例二：电信3G客户,5 数据挖掘在金融电信行业的应用,5.3 案例三：基于客户分群的精准智能营销,5.3.1 挖掘目标的提出5.3.2 分析方法与过程5.3.3 建模仿真5.3.4 核心知识点5.3.5 拓展思考,5 数据挖掘在金融电信行业的应用5.3 案例三：基于客户分群,6 数据挖
8、掘在电力行业的应用,6.1 案例一：电力负荷预测,6.2 案例二：自适应防窃漏电实时诊断,6.3 本章小结,6 数据挖掘在电力行业的应用6.1 案例一：电力负荷预测6.,6 数据挖掘在电力行业的应用,6.1 案例一：电力负荷预测,6.1.1 挖掘目标的提出6.1.2 分析方法与过程6.1.3 建模仿真6.1.4 核心知识点6.1.5 拓展思考,6 数据挖掘在电力行业的应用6.1 案例一：电力负荷预测6.,6 数据挖掘在电力行业的应用,6.2 案例二：自适应防窃漏电实时诊断,6.2.1 挖掘目标的提出6.2.2 分析方法与过程6.2.3 建模仿真6.2.4 核心知识点6.2.5 扩展思考,6 数
9、据挖掘在电力行业的应用6.2 案例二：自适应防窃漏电实,7 数据挖掘在互联网行业的应用,7.1 案例一：商业零售行业中的购物篮分析,7.2 案例二：电子商务网站用户行为分析,7.3 案例三：网络入侵智能检测,7.4 案例四：基于用户行为分析的定向网络广告投放,7.5 案例五：企业信息系统用户服务感知评价,7.6 本章小结,7 数据挖掘在互联网行业的应用7.1 案例一：商业零售行业中,7 数据挖掘在互联网行业的应用,7.1 案例一：商业零售行业中的购物篮分析,7.1.1 挖掘目标的提出7.1.2 分析方法与过程7.1.3 建模仿真7.1.4 核心知识点7.1.5 拓展思考,7 数据挖掘在互联网行
10、业的应用7.1 案例一：商业零售行业中,7 数据挖掘在互联网行业的应用,7.2 案例二：电子商务网站用户行为分析,7.2.1 挖掘目标的提出7.2.2 分析方法与过程7.2.3 建模仿真7.2.4 核心知识点7.2.5 拓展思考,7 数据挖掘在互联网行业的应用7.2 案例二：电子商务网站用,7 数据挖掘在互联网行业的应用,7.3 案例三：网络入侵智能检测,7.3.1 挖掘目标的提出7.3.2 分析方法与过程7.3.3 建模仿真7.3.4 核心知识点7.3.5 拓展思考,7 数据挖掘在互联网行业的应用7.3 案例三：网络入侵智能检,7.4 案例四：基于用户行为分析的定向网络广告投放,7.4.1
11、挖掘目标的提出7.4.2 分析方法与过程7.4.3 建模仿真7.4.4 结果及分析7.4.5 核心知识点7.4.6 拓展思考,7 数据挖掘在互联网行业的应用,7.4 案例四：基于用户行为分析的定向网络广告投放7.4.1,7 数据挖掘在互联网行业的应用,7.5 案例五：企业信息系统用户服务感知评价,7.5.1 挖掘目标的提出7.5.2 分析方法与过程7.5.3 建模仿真7.5.4 核心知识点7.5.5 拓展思考,7 数据挖掘在互联网行业的应用7.5 案例五：企业信息系统用,8 数据挖掘在生产制造行业中的应用,8.4 案例四：基于RFM的企业客户关系分析,8.6 本章小结,8.2 案例二：基于水色
12、图像的水质评价,8.5 案例五：水产养殖投入产出多目标优化仿真,8.3 案例三：生物质废物混合厌氧消化优势组分互补机制,8.1 案例一：基于小波变换的桩基完整性检测,8 数据挖掘在生产制造行业中的应用8.4 案例四：基于RFM,8 数据挖掘在生产制造行业中的应用,8.1 案例一：基于小波变换的桩基完整性检测,8.1.1 挖掘目标的提出8.1.2 分析方法与过程8.1.3 仿真过程8.1.4 核心知识点8.1.5 拓展思考,8 数据挖掘在生产制造行业中的应用8.1 案例一：基于小波变,8 数据挖掘在生产制造行业中的应用,8.2 案例二：基于水色图像的水质评价,8.2.1 挖掘目标的提出8.2.2
13、 分析方法与过程8.2.3 建模仿真8.2.4 核心知识点8.2.5 拓展思考,8 数据挖掘在生产制造行业中的应用8.2 案例二：基于水色图,8 数据挖掘在生产制造行业中的应用,8.3 案例三：生物质废物混合厌氧消化优势组分互补机制,8.3.1 挖掘目标的提出8.3.2 分析方法与过程8.3.3 建模仿真8.3.4 核心知识点8.3.5 拓展思考,8 数据挖掘在生产制造行业中的应用8.3 案例三：生物质废物,8 数据挖掘在生产制造行业中的应用,8.4 案例四：基于RFM的企业客户关系分析,8.4.1 挖掘目标的提出8.4.2 分析过程与方法8.4.3 建模仿真8.4.4 核心知识点8.4.5
14、拓展思考,8 数据挖掘在生产制造行业中的应用8.4 案例四：基于RFM,8 数据挖掘在生产制造行业中的应用,8.5 案例五：水产养殖投入产出多目标优化仿真,8.5.1 挖掘目标的提出8.5.2 分析方法与过程8.5.3 建模仿真8.5.4 核心知识点8.5.5 拓展思考,8 数据挖掘在生产制造行业中的应用8.5 案例五：水产养殖投,9 数据挖掘在公共服务行业的应用,9.1 案例一：乳腺癌证素变化规律及截断疗法,9.2 案例二：卷烟消费者购买行为分析,9.3 案例三：纳税人偷漏税评估,9.4 案例四：道路缺陷自动识别,9.5 案例五：航空公司客运信息挖掘,9.6 本章小结,9 数据挖掘在公共服务
15、行业的应用9.1 案例一：乳腺癌证素变,9 数据挖掘在公共服务行业的应用,9.1 案例一：乳腺癌证素变化规律及截断疗法,9.1.1 挖掘目标的提出9.1.2 分析方法与过程9.1.3 建模仿真9.1.4 核心知识点9.1.5 拓展思考,9 数据挖掘在公共服务行业的应用9.1 案例一：乳腺癌证素变,9 数据挖掘在公共服务行业的应用,9.2 案例二：卷烟消费者购买行为分析,9.2.1 挖掘目标的提出9.2.2 分析过程与方法9.2.3 挖掘建模9.2.4 核心知识点9.2.5 拓展思考,9 数据挖掘在公共服务行业的应用9.2 案例二：卷烟消费者购,9 数据挖掘在公共服务行业的应用,9.3 案例三：
16、纳税人偷漏税评估,9.3.1 挖掘目标的提出9.3.2 分析方法与过程9.3.3 建模仿真9.3.4 核心知识点9.3.5 拓展思考,9 数据挖掘在公共服务行业的应用9.3 案例三：纳税人偷漏税,9 数据挖掘在公共服务行业的应用,9.4 案例四：道路缺陷自动识别,9.4.1 挖掘目标的提出9.4.2 分析方法与过程9.4.3 建模仿真9.4.4 核心知识点9.4.5 拓展思考,9 数据挖掘在公共服务行业的应用9.4 案例四：道路缺陷自动,9 数据挖掘在公共服务行业的应用,9.5 案例五：航空公司客运信息挖掘,9.5.1 挖掘目标的提出9.5.2 分析方法与过程9.5.3 建模仿真9.5.4 核
17、心知识点9.5.5 拓展思考,9 数据挖掘在公共服务行业的应用9.5 案例五：航空公司客运,10 动手实践,第二部分 实战篇,10.4 实验四：聚类算法的构建与使用,10.6 实验六：时间序列模型的构建与使用,10.2 实验二：神经网络模型的构建与使用,10.5 实验五：关联规则模型的构建与使用,10.3 实验三：决策树模型的构建与使用,10.1 实验一：数据探索及数据预处理,10 动手实践第二部分 实战篇10.4 实验四：聚类算法的构,第二部分 实战篇,10 动手实践,10.7 本章小结,第二部分 实战篇10 动手实践10.7 本章小结,第三部分 高级篇,06,第三部分 高级篇06,11 基
18、于第三方接口的数据挖掘二次开发,11.2 MATLAB数据挖掘接口,11.1 WEKA数据挖掘接口,11.3 案例：基于MATLAB接口的数据挖掘二次开发,11.4 本章小结,11 基于第三方接口的数据挖掘二次开发11.2 MATLAB,11 基于第三方接口的数据挖掘二次开发,11.1 WEKA数据挖掘接口,11.1.1 WEKA功能及其算法11.1.2 WEKA包结构11.1.3 WEKA算法入口11.1.4 二次开发相关输出,11 基于第三方接口的数据挖掘二次开发11.1 WEKA数据,11 基于第三方接口的数据挖掘二次开发,11.3 案例：基于MATLAB接口的数据挖掘二次开发,11.3
19、.1 接口算法编程11.3.2 用Java Builder创建Java组件11.3.3 安装MATLAB运行时环境11.3.4 JDK环境及设置11.3.5 接口算法调用,11 基于第三方接口的数据挖掘二次开发11.3 案例：基于M,12 基于Hadoop框架的海量数据挖掘开发,12.1 基于云计算的海量数据挖掘技术特点,12.2 基于Hadoop的并行数据挖掘算法工具箱TipCDM,12.3.1 挖掘目标的提出12.3.2 分析方法与过程12.3.3 建模仿真12.3.4 核心知识点,12.3 案例：基于海量计量数据的电力客户在线分群方法,12.4 本章小结,12 基于Hadoop框架的海量数据挖掘开发 12.1 基于,光盘内容,07,光盘内容07,光盘内容,光盘内容,感谢聆听,感谢聆听,
