決策支持與人工智能企業(yè)的智囊

第十六講決策支持與人工智能：企業(yè)的智囊商務(wù)智能分析方法統(tǒng)計(jì)分析數(shù)據(jù)挖掘人工智能統(tǒng)計(jì)分析研究如何測(cè)定、收集、整理、歸納和分析反映客觀現(xiàn)象總體數(shù)量的數(shù)據(jù)，以便給出正確認(rèn)識(shí)?？蛻舻钠骄挲g？平均收入水平？銷(xiāo)售額？銷(xiāo)售額是否與銷(xiāo)售員的年齡、廣告的強(qiáng)度等有密切關(guān)系？如果有關(guān)系，它們之間是什么關(guān)系？關(guān)系強(qiáng)度如何？數(shù)據(jù)挖掘：多功能分析從數(shù)據(jù)庫(kù)的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的信息的非平凡過(guò)程。知識(shí)形成過(guò)程數(shù)據(jù)信息知識(shí)商務(wù)智能行為案例：零售店的尿布與啤酒購(gòu)物籃分析：零售店的尿布與啤酒經(jīng)常一起被銷(xiāo)售知識(shí)：啤酒和尿布擺放在一起零售店：周五晚上尿布銷(xiāo)量在一周尿布銷(xiāo)量總量中占很大比例知識(shí)：促銷(xiāo)尿布？商務(wù)智能：誰(shuí)買(mǎi)？為什么買(mǎi)？互補(bǔ)品？知識(shí)：周五晚上在尿布附近促銷(xiāo)啤酒?。?！數(shù)據(jù)挖掘分類(lèi)關(guān)聯(lián)分析：決定哪些事情將一起發(fā)生分類(lèi)：如信用卡申請(qǐng)者，分類(lèi)為低、中、高風(fēng)險(xiǎn)；客戶流失風(fēng)險(xiǎn)分析聚類(lèi)：對(duì)記錄分組，把相似的記錄在一個(gè)聚集里?？蛻艏?xì)分，哪一種類(lèi)的促銷(xiāo)對(duì)客戶響應(yīng)最好？分類(lèi)舉例：決策樹(shù)分類(lèi)舉例：決策樹(shù)分類(lèi)舉例：決策樹(shù)聚類(lèi)假設(shè)某銀行擁有以下下數(shù)據(jù)：1．客戶號(hào)；；

2．儲(chǔ)蓄蓄賬戶余額；；

3．活期期賬戶余額；；

4．投資資賬戶余額；；

5．日均均交易次數(shù)；；

6．信用用卡支付模式式；

7．是是否有抵押貸貸款；

8．．是否有賒賬賬額度；9．客戶年齡齡；

10．．客戶性別；；

11．客客戶婚姻狀況況；

12．．客戶家庭情情況（孩子數(shù)數(shù)）；

13．客戶年收收入；

14．客戶是否否擁有一輛以以上小汽車(chē)；；

15．客客戶流失狀態(tài)態(tài)。K-means聚類(lèi)算法人工智能：智智能計(jì)算人工神經(jīng)網(wǎng)絡(luò)絡(luò)遺傳算法模擬退火算法法模糊數(shù)學(xué)等等智能計(jì)算也稱“軟計(jì)計(jì)算”，是們們受自然（生生物界）規(guī)律律的啟迪，根根據(jù)其原理，，模仿求解問(wèn)問(wèn)題的算法。。從自然界得到到啟迪，模仿仿其結(jié)構(gòu)進(jìn)行行發(fā)明創(chuàng)造，，這就是仿生生學(xué)。這是我我們向自然界界學(xué)習(xí)的一個(gè)個(gè)方面。另一方面，還還可以利用仿仿生原理進(jìn)行行設(shè)計(jì)(包括設(shè)計(jì)算法法)，這就是智能能計(jì)算的思想想。如人工神經(jīng)網(wǎng)網(wǎng)絡(luò)技術(shù)、遺遺傳算法、模模擬退火算法法等。人工神經(jīng)網(wǎng)絡(luò)絡(luò)指模擬人腦神神經(jīng)系統(tǒng)的結(jié)結(jié)構(gòu)和功能，，運(yùn)用大量的的處理部件，，由人工方式式構(gòu)造的網(wǎng)絡(luò)絡(luò)系統(tǒng)突破了傳統(tǒng)的的、線性處理理的數(shù)字電子子計(jì)算機(jī)的局局限，是一個(gè)個(gè)非線形動(dòng)力力學(xué)系統(tǒng)，并并以分布式存存儲(chǔ)和并行協(xié)協(xié)同處理為特特色單個(gè)神經(jīng)經(jīng)元的結(jié)結(jié)構(gòu)和功功能極其其簡(jiǎn)單有有限，但但是大量量的神經(jīng)經(jīng)元構(gòu)成成的網(wǎng)絡(luò)絡(luò)系統(tǒng)所所實(shí)現(xiàn)的的行為卻卻是極其其豐富多多彩的人工神經(jīng)經(jīng)網(wǎng)絡(luò)神經(jīng)元隱藏單元元輸入輸出人工神經(jīng)經(jīng)網(wǎng)絡(luò)隱藏層輸出層輸入層隱藏單元元輸入隱藏輸出?10+?11A+?12B+?13C?1+?2AGE+?3INCCOMBINATIONACTIVATIONtanh(?1+?2AGE+?3INC)=A?4+?5AGE+?6INCtanh(?4+?5AGE+?6INC)=B?7+?8AGE+?9INCtanh(?7+?8AGE+?9INC)=CCOMBINATIONCOMBINATIONACTIVATIONCOMBINATIONACTIVATION年齡收入人工神神經(jīng)網(wǎng)網(wǎng)絡(luò)規(guī)則：：兩個(gè)個(gè)以上上輸入入為1時(shí)，則則輸出出為1人工神神經(jīng)網(wǎng)網(wǎng)絡(luò)人工神神經(jīng)網(wǎng)網(wǎng)絡(luò)人工神神經(jīng)網(wǎng)網(wǎng)絡(luò)訓(xùn)練神神經(jīng)網(wǎng)網(wǎng)絡(luò)即即調(diào)整整神經(jīng)經(jīng)元的的權(quán)重重人工神神經(jīng)網(wǎng)網(wǎng)絡(luò)的應(yīng)用用神經(jīng)網(wǎng)網(wǎng)絡(luò)的的應(yīng)用用案例例：銀銀行信用卡持有者的年齡、收入和職業(yè)信用卡顯示的大額購(gòu)買(mǎi)額度大額購(gòu)買(mǎi)次數(shù)大額購(gòu)買(mǎi)交易地點(diǎn)良好的交易可能是欺詐性交易輸入層隱藏層輸出層遺傳算算法（GeneticAlgorithm：GA）遺傳算算法是是一類(lèi)類(lèi)通過(guò)過(guò)模擬擬生物物界自自然選選擇和和自然然遺傳傳機(jī)制制的隨隨機(jī)化化搜索索算法法，由由美國(guó)國(guó)J.Holand教授于于1975年首次次提出出。它是利利用某某種編編碼技技術(shù)作作用于于稱為為染色色體的的二進(jìn)進(jìn)制數(shù)數(shù)串，，其基基本思思想是是模擬擬由這這些串串組成成的種種群的的進(jìn)化化過(guò)程程，通通過(guò)有有組織織地然然而是是隨機(jī)機(jī)地信信息交交換來(lái)來(lái)重新新組合合那些些適應(yīng)應(yīng)性好好的串串遺傳算算法對(duì)對(duì)求解解問(wèn)題題的本本身一一無(wú)所所知，，它所所需要要的僅僅是對(duì)對(duì)算法法所產(chǎn)產(chǎn)生的的每個(gè)個(gè)染色色體進(jìn)進(jìn)行評(píng)評(píng)價(jià)，，并根根據(jù)適適應(yīng)性性來(lái)選選擇染染色體體，使使適應(yīng)應(yīng)性好好的染染色體體比適適應(yīng)性性差的的染色色體有有更多多的繁繁殖機(jī)機(jī)會(huì)。。遺傳操操作采用整整數(shù)的的二進(jìn)進(jìn)制編編碼x={10111}表示了了16+4+2+1=23初始化化種群群計(jì)算適適應(yīng)度度選擇交叉變異停止條條件最優(yōu)個(gè)個(gè)體是否遺傳算算法流程圖圖優(yōu)點(diǎn)：解決非非線性性最優(yōu)優(yōu)化問(wèn)問(wèn)題可以簡(jiǎn)簡(jiǎn)化復(fù)復(fù)雜的的目標(biāo)標(biāo)函數(shù)數(shù)以及及制約約條件件最優(yōu)化化過(guò)程程相對(duì)對(duì)簡(jiǎn)單單缺點(diǎn)：不能很很清楚楚地表表示對(duì)對(duì)那些些部分分進(jìn)行行了遺遺傳運(yùn)運(yùn)算不能對(duì)對(duì)數(shù)據(jù)據(jù)進(jìn)行行可視視化解解釋TSP問(wèn)題題位置編號(hào)X坐標(biāo)Y坐標(biāo)116.4796.1216.4794.44320.0992.54422.3993.37525.2397.2462296.05720.4797.02817.296.29916.397.381014.0598.121116.5397.381221.5295.591319.4197.131420.0992.55TSP問(wèn)題題隨機(jī)路路線為為：4—>5——>10——>11——>13——>14——>1—>8——>12——>7—>6——>3—>2——>9—>411——>7—>10—>4——>12——>9—>14—>8——>13——>5—>2——>3—>6——>1—>118—>7——>9—>12—>2——>5—>1——>4—>11—>14—>6——>3—>13—>10—>8……………總距離離：71.1144TSP問(wèn)題題最優(yōu)解解路線線:5—>4——>3—>14—>2——>1—>10—>9——>11——>8—>13—>7——>12——>6—>5總距離離：29.3405大數(shù)據(jù)據(jù)或稱巨巨量資資料，，指的的是所所涉及及的資資料量量規(guī)模模巨大大到無(wú)無(wú)法透透過(guò)目目前主主流軟軟件工工具，，在合合理時(shí)時(shí)間內(nèi)內(nèi)達(dá)到到擷取取、管管理、、處理理、并并整理理成為為幫助助企業(yè)業(yè)經(jīng)營(yíng)營(yíng)決策策更積積極目目的的的資訊訊。大數(shù)據(jù)據(jù)更準(zhǔn)準(zhǔn)確的的應(yīng)該該叫““大數(shù)數(shù)據(jù)挖挖掘””大數(shù)據(jù)據(jù)-資資料一天之之中，，互聯(lián)聯(lián)網(wǎng)產(chǎn)產(chǎn)生的的全部部?jī)?nèi)容容可以以刻滿滿1.68億張DVD；發(fā)出出的郵郵件有有2940億封之之多（（相當(dāng)當(dāng)于美美國(guó)兩兩年的的紙質(zhì)質(zhì)信件件數(shù)量量）；；發(fā)出出的社社區(qū)帖帖子達(dá)達(dá)200萬(wàn)個(gè)（（相當(dāng)當(dāng)于《時(shí)代》雜志770年的文文字量量）；；賣(mài)出出的手手機(jī)為為37.8萬(wàn)臺(tái)，，高于于全球球每天天出生生的嬰嬰兒數(shù)數(shù)量37.1萬(wàn)……截止到到2012年，數(shù)數(shù)據(jù)量量已經(jīng)經(jīng)從TB（1024GB=1TB）級(jí)別別躍升升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至至ZB(1024EB=1ZB)級(jí)別。。國(guó)際際數(shù)據(jù)據(jù)公司司（IDC）的研研究結(jié)結(jié)果表表明，，2008年全球球產(chǎn)生生的數(shù)數(shù)據(jù)量量為0.49ZB，2009年的數(shù)數(shù)據(jù)量量為0.8ZB，2010年增長(zhǎng)長(zhǎng)為1.2ZB，2011年的數(shù)數(shù)量更更是高高達(dá)1.82ZB，相當(dāng)當(dāng)于全全球每每人產(chǎn)產(chǎn)生200GB以上的的數(shù)據(jù)據(jù)。而而到2012年為止止，人人類(lèi)生生產(chǎn)的的所有有印刷刷材料料的數(shù)數(shù)據(jù)量量是200PB，全人人類(lèi)歷歷史上上說(shuō)過(guò)過(guò)的所所有話話的數(shù)數(shù)據(jù)量量大約約是5EB。IBM的研究稱稱，整個(gè)個(gè)人類(lèi)文文明所獲獲得的全全部數(shù)據(jù)據(jù)中，有有90%是過(guò)去兩兩年內(nèi)產(chǎn)產(chǎn)生的。。而到了了2020年，全世世界所產(chǎn)產(chǎn)生的數(shù)數(shù)據(jù)規(guī)模模將達(dá)到到今天的的44倍。大數(shù)據(jù)-案例你開(kāi)心他他就買(mǎi)，，你焦慮慮他就拋拋華爾街““德溫特特資本市市場(chǎng)”公公司首席席執(zhí)行官官保羅·霍廷每天天的工作作之一，，就是利利用電腦腦程序分分析全球球3.4億微博賬賬戶的留留言，進(jìn)進(jìn)而判斷