怎么做自己的单页网站,深圳动画营销推广的原因,广告设计设计,电脑ppt制作软件1.记忆基础推理法#xff08;Memory-Based Reasoning#xff1b;MBR#xff09; 记忆基础推理法最主要的概念是用已知的案例#xff08;case#xff09;来预测未来案例的一些属性#xff08;attribute#xff09;#xff0c;通常找寻最相似的案例来做比较。 记忆基础推… 1.记忆基础推理法Memory-Based ReasoningMBR 记忆基础推理法最主要的概念是用已知的案例case来预测未来案例的一些属性attribute通常找寻最相似的案例来做比较。 记忆基础推理法中有两个主要的要素分别为距离函数distance function与结合函数combination function。距离函数的用意在找出最相似的案例结合函数则将相似案例的属性结合起来以供预测之用。记忆基础推理法的优点是它容许各种型态的数据这些数据不需服从某些假设。另一个优点是其具备学习能力它能藉由旧案例的学习来获取关于新案例的知识。较令人诟病的是它需要大量的历史数据有足够的历史数据方能做良好的预测。此外记忆基础推理法在处理上亦较为费时不易发现最佳的距离函数与结合函数。其可应用的范围包括欺骗行为的侦测、客户反应预测、医学诊疗、反应的归类等方面。 2.市场购物篮分析Market Basket Analysis 购物篮分析最主要的目的在于找出什么样的东西应该放在一起商业上的应用在藉由顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品找出相关的联想association 规则企业藉由这些规则的挖掘获得利益与建立竞争优势。举例来说零售店可藉由此分析改变置物架上的商品排列或是设计吸引客户的商业套餐等等。 购物篮分析基本运作过程包含下列三点 1选择正确的品项这里所指的正确乃是针对企业体而言必须要在数以百计、千计品项中选择出真正有用的品项出来。 2经由对共同发生矩阵co-occurrence matrix的探讨挖掘出联想规则。 3克服实际上的限制所选择的品项愈多计算所耗费的资源与时间愈久呈现指数递增此时必须运用一些技术以降低资源与时间的损耗。 购物篮分析技术可以应用在下列问题上 1针对信用卡购物能够预测未来顾客可能购买什么。 2对于电信与金融服务业而言经由购物篮分析能够设计不同的服务组合以扩大利润。 3保险业能藉由购物篮分析侦测出可能不寻常的投保组合并作预防。 4对病人而言在疗程的组合上购物篮分析能作为是否这些疗程组合会导致并发症的判断依据。 3.决策树Decision Trees 决策树在解决归类与预测上有着极强的能力它以法则的方式表达而这些法则则以一连串的问题表示出来经由不断询问问题最终能导出所需的结果。典型的决策树顶端是一个树根底部有许多的树叶它将纪录分解成不同的子集每个子集中的字段可能都包含一个简单的法则。此外决策树可能有着不同的外型例如二元树、三元树或混和的决策树型态。 4.基因算法Genetic Algorithm 基因算法学习细胞演化的过程细胞间可经由不断的选择、复制、交配、突变产生更佳的新细胞。基因算法的运作方式也很类似它必须预先建立好一个模式再经由一连串类似产生新细胞过程的运作利用适合函数fitness function决定所产生的后代是否与这个模式吻合最后仅有最吻合的结果能够存活这个程序一直运作直到此函数收敛到最佳解。基因算法在群集cluster问题上有不错的表现一般可用来辅助记忆基础推理法与类神经网络的应用。 5.群集侦测技术Cluster Detection 这个技术涵盖范围相当广泛包含基因算法、类神经网络、统计学中的群集分析都有这个功能。它的目标为找出数据中以前未知的相似群体在许许多多的分析中刚开始都运用到群集侦测技术以作为研究的开端。 6.连结分析Link Analysis 连结分析是以数学中之图形理论graph theory为基础藉由记录之间的关系发展出一个模式它是以关系为主体由人与人、物与物或是人与物的关系发展出相当多的应用。例如电信服务业可藉连结分析收集到顾客使用电话的时间与频率进而推断顾客使用偏好为何提出有利于公司的方案。除了电信业之外愈来愈多的营销业者亦利用连结分析做有利于企业的研究。 7.在线分析处理On-Line Analytic ProcessingOLAP 严格说起来在线分析处理并不算特别的一个数据挖掘技术但是透过在线分析处理工具使用者能更清楚的了解数据所隐藏的潜在意涵。如同一些视觉处理技术一般透过图表或图形等方式显现对一般人而言感觉会更友善。这样的工具亦能辅助将数据转变成信息的目标。 8.类神经网络Neural Networks 类神经网络是以重复学习的方法将一串例子交与学习使其归纳出一足以区分的样式。若面对新的例证神经网络即可根据其过去学习的成果归纳后推导出新的结果乃属于机器学习的一种。数据挖掘的相关问题也可采类神经学习的方式其学习效果十分正确并可做预测功能。 9.区别分析Discriminant Analysis 当所遭遇问题它的因变量为定性categorical而自变量预测变量为定量metric时区别分析为一非常适当之技术通常应用在解决分类的问题上面。若因变量由两个群体所构成称之为双群体 — 区别分析 Two-Group Discriminant Analysis若由多个群体构成则称之为多元区别分析Multiple Discriminant AnalysisMDA。 1 找出预测变量的线性组合使组间变异相对于组内变异的比值为最大而每一个线性组合与先前已经获得的线性组合均不相关。 2 检定各组的重心是否有差异。 3 找出哪些预测变量具有最大的区别能力。 4 根据新受试者的预测变量数值将该受试者指派到某一群体。 10.罗吉斯回归分析Logistic Analysis 当区别分析中群体不符合常态分配假设时罗吉斯回归分析是一个很好的替代方法。罗吉斯回归分析并非预测事件event是否发生而是预测该事件的机率。它将自变量与因变量的关系假定是S行的形状当自变量很小时机率值接近为零当自变量值慢慢增加时机率值沿着曲线增加增加到一定程度时曲线协率开始减小故机率值介于0与1之间。
