spss數(shù)據(jù)挖掘方法概述

《spss數(shù)據(jù)挖掘方法概述》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在教育資源-天天文庫。

1、數(shù)據(jù)挖掘方法概述一、主要概念1二、主要方法概述11、神經(jīng)網(wǎng)絡方法概述12、聚類方法概述93、主成分分析144、決策樹概述175、關聯(lián)分析216、遺傳算法概述23一、主要概念1、數(shù)據(jù)挖掘（datamining,簡記DM）：采取專門算法對數(shù)據(jù)庫中潛在的、不明顯的數(shù)據(jù)關系進行分析與建模。2、CRISP-DM(CRoss-IndustryStandardProcessforDataMining):各企業(yè)中被廣泛采用的數(shù)據(jù)挖掘標準流程。包括6個步驟：商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準備、模型建立、結果評估、應用部署。3、Clementine:SPSS公司推出的企業(yè)級數(shù)據(jù)挖掘軟件產(chǎn)品，其包括的

2、數(shù)據(jù)挖掘主要方法為：神經(jīng)網(wǎng)絡、聚類分析、主因子分析、決策樹分析、關聯(lián)分析、回歸分析。二、主要方法概述1、神經(jīng)網(wǎng)絡方法概述主要問題：（1）什么是神經(jīng)網(wǎng)絡？（2）神經(jīng)網(wǎng)絡有什么用？（3）如何建立神經(jīng)網(wǎng)絡？（4）如何應用神經(jīng)網(wǎng)絡？（1）人工神經(jīng)網(wǎng)絡“人工神經(jīng)網(wǎng)絡”(ARTIFICIALNEURALNETWORK，簡稱A.N.N.)是基于模仿大腦神經(jīng)網(wǎng)絡結構和功能而建立的一種信息處理系統(tǒng)。神經(jīng)網(wǎng)絡在一定學習規(guī)則下，對提供的學習樣本進行學習，從中獲取特征信息，并存儲（記憶）在相應的權值及參數(shù)上。學習后，對于新的輸入數(shù)據(jù)，網(wǎng)絡可通過已獲取的權值及參數(shù)，計算網(wǎng)絡的輸出。神經(jīng)網(wǎng)絡具有高度的

3、非線性、容錯性與自學習、自適應更新等功能，能夠進行復雜的邏輯操作和非線性關系實現(xiàn)。目前神經(jīng)網(wǎng)絡模型在輔助管理與決策中，應用廣泛。（2）神經(jīng)網(wǎng)絡的作用已證明結論：對于函數(shù)，在滿足一定條件下，可以找到函數(shù)27和實常數(shù)和，構造函數(shù)：使對于任意小的，滿足（3）簡單神經(jīng)網(wǎng)絡模型（感知機模型）的建立問題引入：設想對購買手機的顧客制定銷售方案，用購買量與購買頻率兩個指標來判別,即：購買量大，購買頻率大，則給予優(yōu)惠折扣；購買量大，購買頻率小，則給予優(yōu)惠折扣；購買量小，購買頻率大，則給予優(yōu)惠折扣；購買量小，購買頻率小，則不給予優(yōu)惠折扣問題：這樣的銷售方案判別是否可以建立模型表示？設想：分別對

4、購買量、購買頻率以及是否優(yōu)惠的兩種取值定義為1，0，則上述四種方案可以用四個樣本表示，設每一樣本具有兩個評價指標X1，X2，一個評價結果Y：樣本號X1，X2Y1111210130114000構造兩個輸入節(jié)點、一個輸出節(jié)點、二層結構的神經(jīng)網(wǎng)絡模型：（*）O1=f(xj取值1或0,w1j（j=1，2）待求作用函數(shù)：f(x)=1x>00x≤0結構：X1○W11X1○YX2○W12X2學習樣本：(x1(k)，x2(k)，Y1(k)),k是樣本數(shù)，k=1,2,3,427關鍵問題：如何獲取模型（*）中的權數(shù)w1j，使計算結果與樣本的評價結果的誤差最??？計算w1j方法：隨機賦予w1j初始

5、值，通過對每一樣本的學習，獲取計算結果與樣本評價結果的誤差，修正w1j的取值，使經(jīng)過一定次數(shù)的學習后，總誤差能達到期望值，此時修正得到的w1j就是所要獲取的權數(shù)，即設δ(k)=∣Yk-Ok∣，Yk是第k個樣本評價結果（稱期望輸出或實際輸出），Ok是計算結果。通過第k個樣本的輸出誤差修正權數(shù)的公式為：（k+1）=（k）+△(k)，△=αδ(k)Xj其中，α>0，α稱收斂因子。第k個樣本的誤差為：誤差ek=

6、δ(k)

7、，總誤差E(k)=E(k-1)+ek計算過程：1）設α=1，隨機賦予w1j的初始值為0，即w11（k=1）=0，w12（k=1）=02）對第一個樣本進行學習：把X

8、1=1，X2=1代入（*），有O=f(w11×X1+w12×X2)=f(0×1+0×1)=f(0)=0δ(k=1)=∣Yk-Ok∣=1修正權數(shù)：△w1j=αδ(k)Xj△=δ(k=1)X1=1×1=1△w12=δ(k=1)X2=1×1=1（k=2）=（k=1）+△=0+1=1，w12（k=2）=w12（k=1）+△w12=0+1=1總誤差E(K=1)=E(K=0)+ek=0+δ(k=1)=13）對第2個樣本：X1=1,X2=0,O=f(1×1+1×0)=f(1)=1δ(k=2)=∣Yk-Ok∣=0修正權數(shù)：△w1j=αδ(k)Xj△=δ(k=2)X1=0×1=0△w12=δ

9、(k=2)X2=0×0=0（k=2）=（k=1）+△=1+0=1，w12（k=2）=w12（k=1）+△w12=1+0=1總誤差E(K=2)=E(K=1)+ek=1+δ(k=2)=1274）對于獲取的權數(shù)=1，w12=1，有對第3個樣本：X1=0,X2=1,O=f(1×0+1×1)=f(1)=1=Y對第4個樣本：X1=0,X2=0,O=f(1×0+1×0)=f(0)=0=Y5）結論：=1，w12=1是使計算結果與樣本的評價結果誤差最小的權數(shù)。將=1，w12=代入模型（*），則模型建立完畢?？梢岳眠@個建立的模型，對