《数据挖掘学习汇报.ppt》由会员分享，可在线阅读，更多相关《数据挖掘学习汇报.ppt（32页珍藏版）》请在三一办公上搜索。
1、2016/11/15,秦华妮,五邑大学数学与计算科学学院,关于数据挖掘的学习汇报,1.1课程名称和主讲教师（北京大数据研究院暑期学校）,一、暑期学习介绍,1.2专题：fundamental techniques in Big Data（李平）,用数据的方法研究科学的最典型的例子：开普勒的关于行星运动的三大定律,二、数据科学,开普勒模式与牛顿模式,2.2 从数学的角度研究数据？,数 据,数据建模,整个数学模型,相关性、排序、分类、聚类,度量结构,网络结构,代数结构,拓扑结构,函数结构,表格、点集、时间序列、图像、视频、文本等,概率分布、随机过程、随机场、图模型等,算法及实现（数据分析的困难）,降
2、低算法的复杂度,分布式计算,2.3 数据挖掘的综合技能,另外，随机过程、函数逼近论、图论、拓扑学、几何、变分法、群论的基础知识。数学系不需要一门一门的开设，而是可以开设一些新的“高等数学”课程来覆盖这些方面的内容,2.4 北大数据科学专业的探索,2.5 数据挖掘的10个重要算法,（1）K均值（K-means）方法（2）支持向量机（SVM）方法（3）期望最大化（EM）算法（4）网页排序算法（PageRank）（5）贝叶斯方法（6）K近邻方法（7）AdaBoost（8）决策树算法（9）关联规则Apriori算法（10）协同过滤方法（Collaborative Filtering）,其他数据分析过程
3、中常用的方法还有：降维（主成分分析、线性判别分析）、随机森林、Bagging方法、序列标注模型（隐马模型、条件随机场）、EM和高斯混合模型,(2006年IEEE国际挖掘会议选出),2.6 数据挖掘的一般过程：,三、案例,案例1、智慧餐饮,案例2、中医辅助决策,案例3、商圈分析,餐饮企业的信息化管理（传统部分）：（1）客户关系管理（2）前厅管理系统（3）后厨管理系统（4）财务管理系统（5）物资管理系统,餐饮企业的数据挖掘（创新部分）：菜品智能推荐、客户价值分析、新店选点优化、热销/滞销菜品分析销量趋势预测,案例1、智慧餐饮,餐饮企业某一个月菜品的销售数据如下：,（1）销售数据的帕累托柱状图：,分
4、析可知：畅销菜:A1,A2,A3；滞销菜:A8,A9,A10；并且，A1A7占菜品份额的70%，但是总盈利占月盈利额的85.0033%，可以增加投入。,结果第一行解释为：客户同时点e与a的概率时30%，而点了e必点a的概率是100%.,餐饮企业某段时间的点餐清单：,（2）根据Apriori算法，可得如下规则：,消费行为特征数据如下：,（3）消费客户群的价值分析：,客户群体1的R、F、M的概率密度函数图：,客户群体1特点：R间隔相对较小，主要集中在030天；消费次数集中在1025次，消费金额在5002000元,客户群体2的R、F、M的概率密度函数图：,客户群体2特点：R间隔相对较小，主要集中在0
5、30天；消费次数集中在012次，消费金额在01800元,客户群体3的R、F、M的概率密度函数图：,客户群体3特点：R间隔相对较大，主要集中在3080天；消费次数集中在015次，消费金额在02000元,客户价值分析如下：,智慧营销策略：,客户群体1：资源优先保持，差异化管理，提高这类客户的忠诚度与满意度，尽可能延长这类客户的高水平消费；,客户群体2：加强促销手段，加强满意度，提高他们转向竞争对手的转移成本，逐渐使其成为忠诚客户；,客户群体3：采取一定的营销手段，重点联系，争取延长客户的生命周期。,客户群体1：高消费、高价值人群；客户群体2：一般客户人群；客户群体3：价值较低的客户群体。,采用TS
6、NE数据降维将数据进行可视化,其中红色代表客户群体1，绿色代表客户群体2，蓝色代表客户群体3,案例2、中医辅助决策,证型系数=各证型得分/各证型总分,模型构建：,1.中医证型关联规则模型,（1）设置参数：最小支持度、最小置信度，读入数据（2）以关联规则算法对建模数据进行分析，调参,运行结果：,2.模型分析,结果分析：（1）说明肝气郁结证型系数处于（0.258，0.35，肝肾阴虚证型系数处于（0.353，0.607范围内，TMT诊断为H4的可能性为87.96%，这种情况发生的可能性为7.85%,（2）C3、F4=H4支持度为7.53%，置信度为87.5%，分析类似（3）B2、F4=H4支持度为6.24%，置信度为79.45%，分析类似,案例3、基于移动通信基站定位数据的商圈分析,基站小区为六边形,历史定位数据整理得到样本数据:,谱系聚类图：,可将数据分成3类，即三个商圈,商圈类别1分析：工作日人均停留的时间、凌晨人均停留时间很短，周末人均停留时间短，同时日均人流量大，说明此类别基站覆盖区域是商业区。,各个商圈的层次聚类图：,商圈类别2分析：可推断此类别基站覆盖区域是住宅区,商圈类别3分析：可推断此类别基站覆盖区域是上班族聚集的工作区,
