數(shù)據(jù)挖掘與統(tǒng)計(jì)工作報(bào)告

報(bào)告原文DataMining精品文檔放心下載題。它是個(gè)神奇又時(shí)髦的技術(shù)，但卻也不是什么新東西，因?yàn)镈ataMining使用謝謝閱讀DatabaseSegmentation感謝閱讀LinkAnalysisDeviationDetection謝謝閱讀精品文檔放心下載謝謝閱讀（包括NeuralnetworkFuzzytheoryGeneticAlgorithmsRoughSet謝謝閱讀謝謝閱讀DataMining成為企業(yè)智慧的一部份。感謝閱讀DataMining謝謝閱讀感謝閱讀謝謝閱讀精品文檔放心下載同領(lǐng)域的專家，對(duì)DataMining展現(xiàn)出極大興趣，例如在信息服務(wù)業(yè)中，浮現(xiàn)一謝謝閱讀些應(yīng)用，如在Internet之?dāng)?shù)據(jù)倉儲(chǔ)和在線服務(wù)，并且增加企業(yè)的許多生機(jī)。精品文檔放心下載我們對(duì)于這種DataMining的產(chǎn)品應(yīng)該有一個(gè)正確的認(rèn)知，就是它不是一個(gè)謝謝閱讀謝謝閱讀DataMining感謝閱讀DataMiningData精品文檔放心下載Mining精品文檔放心下載DataMining工具是用來幫助業(yè)務(wù)分析策畫人員從資料中發(fā)掘出各精品文檔放心下載1HypothesisVerify精品文檔放心下載這些假設(shè)對(duì)你的價(jià)值。TheEvolutionofDataMining感謝閱讀何謂DataMiningDataMining感謝閱讀精品文檔放心下載KnowledgeDiscoveryinDatabases,KDD），也有人稱為「資料考古學(xué)」(Data精品文檔放心下載Archaeology)DataPatternAnalysis(Functional精品文檔放心下載DependencyAnalysis)，目前已被許多研究人員視為結(jié)合數(shù)據(jù)庫系統(tǒng)與機(jī)器學(xué)習(xí)精品文檔放心下載感謝閱讀謝謝閱讀謝謝閱讀精品文檔放心下載感謝閱讀為決策支持之用，必能產(chǎn)生企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)。DataMining可說會(huì)合了以下六種領(lǐng)域：2●Databasesystems,DataWarehouses,OLAP謝謝閱讀●Machinelearning●Statisticalanddataanalysismethods精品文檔放心下載●Visualization●Mathematicalprogramming●Highperformancecomputing精品文檔放心下載DataMining應(yīng)用的行業(yè)包括了金融業(yè)、電信業(yè)、零售商、直效行銷、制造謝謝閱讀業(yè)、醫(yī)療保健及制藥業(yè)等等，應(yīng)用領(lǐng)域如下表：ApplicationsofDataMining謝謝閱讀Customer-focusedOperations-focusedResearch-focused謝謝閱讀●Life-time●ProfitabilityAnalysis●CombinatorialChemistry謝謝閱讀●Market-BasketAnalysis●Pricing●GeneticResearch感謝閱讀●Profiling&●FraudDetection●Epidemiology精品文檔放心下載Segmentation●RiskAssessment●Retention●PortfolioManagement●TargetMarket●EmployeeTurnover●Acquisition●CashManagement●KnowledgePortal●ProductionEfficiency●Cross-Selling●NetworkPerformance●CampaignManagement●NetworkPerformance●E-Commerce●ManufacturingProcesses3謝謝閱讀DataMining對(duì)于感謝閱讀企業(yè)的迫切性。Whydoweneeddatamining?感謝閱讀–Largenumberofrecords(cases)(108-1012bytes)感謝閱讀–Highdimensionaldata(variables)(10-104attributes)精品文檔放心下載–Onlyasmallportion,typically5%to10%,ofthecollecteddataisever精品文檔放心下載analyzed.–Datathatmayneverbeexploredcontinuestobecollectedoutoffear謝謝閱讀thatsomethingthatmayproveimportantinthefuturemaybemissing.精品文檔放心下載–Magnitudeofdataprecludesmosttraditionalanalysis(moreon感謝閱讀complexitylater).DataMining和統(tǒng)計(jì)分析有什么不同？硬要去區(qū)分DataMining和Statistics的差異其實(shí)是沒有太大意義的。一般將感謝閱讀之定義為DataMining技術(shù)的CART、CHAID或模糊計(jì)算等等理論方法，也都是感謝閱讀DataMining有相當(dāng)大的精品文檔放心下載比重是由高等統(tǒng)計(jì)學(xué)中的多變量分析所支撐。但是為什么DataMining的出現(xiàn)會(huì)感謝閱讀引發(fā)各領(lǐng)域的廣泛注意呢？主要原因在相較于傳統(tǒng)統(tǒng)計(jì)分析而言，DataMining精品文檔放心下載有下列幾項(xiàng)特性：1.處理大量實(shí)際資料更強(qiáng)勢(shì)，且無須太專業(yè)的統(tǒng)計(jì)背景去使用DataMining的感謝閱讀工具；2.數(shù)據(jù)分析趨勢(shì)為從大型數(shù)據(jù)庫抓取所需數(shù)據(jù)并使用專屬計(jì)算機(jī)分析軟件，感謝閱讀DataMining的工具更符合企業(yè)需求；43.純就理論的基礎(chǔ)點(diǎn)來看，DataMiningData感謝閱讀Mining目的是方便企業(yè)末端用者使用而非給統(tǒng)計(jì)學(xué)家檢測(cè)用的。謝謝閱讀數(shù)據(jù)倉儲(chǔ)、KDD、Datamining的關(guān)系若將DataWarehousing（資料倉儲(chǔ)）比喻作礦坑，DataMining就是深入礦坑感謝閱讀采礦的工作。畢竟DataMining不是一種無中生有的魔術(shù)，也不是點(diǎn)石成金的煉精品文檔放心下載金術(shù)，若沒有夠豐富完整的數(shù)據(jù)，是很難期待DataMining能挖掘出什么有意義精品文檔放心下載的信息的。謝謝閱讀的進(jìn)步，功能完善的數(shù)據(jù)庫系統(tǒng)就成了最好的收集資料的工具。「數(shù)據(jù)倉儲(chǔ)」，謝謝閱讀精品文檔放心下載感謝閱讀DesignSupportSystem感謝閱讀謝謝閱讀給正確的人。DataWarehouseDataMining謝謝閱讀精品文檔放心下載感謝閱讀感謝閱讀感謝閱讀感謝閱讀精品文檔放心下載謝謝閱讀持全公司的決策支持系統(tǒng)（DSS）。精品文檔放心下載感謝閱讀5精品文檔放心下載感謝閱讀感謝閱讀的數(shù)據(jù)：整合性數(shù)據(jù)（integrateddata）、詳細(xì)和匯總性的數(shù)據(jù)(detailedand感謝閱讀summarizeddata)、歷史數(shù)據(jù)、解釋數(shù)據(jù)的數(shù)據(jù)（Metadata）。如果數(shù)據(jù)倉儲(chǔ)集精品文檔放心下載謝謝閱讀數(shù)據(jù)倉儲(chǔ)與使用DataMining精品文檔放心下載DataMining的研究重點(diǎn)，兩者的本質(zhì)與過程是兩碼事。換句話說，數(shù)據(jù)倉儲(chǔ)應(yīng)精品文檔放心下載先行建立完成，Datamining才能有效率的進(jìn)行，因?yàn)閿?shù)據(jù)倉儲(chǔ)本身所含數(shù)據(jù)是精品文檔放心下載「干凈」(不會(huì)有錯(cuò)誤的數(shù)據(jù)參雜其中)、完整的，而且是整合在一起的。因此，謝謝閱讀或許可說DataMining是從巨大數(shù)據(jù)倉儲(chǔ)找出有用信息之一種過程與技術(shù)。感謝閱讀OLAP能不能代替DataMining？所謂OLAP（OnlineAnalyticalProcess）意指由數(shù)據(jù)庫所連結(jié)出來的在線查詢精品文檔放心下載OLAPDataMining感謝閱讀事實(shí)上兩者間是截然不同的，主要差異在于DataMining用在產(chǎn)生假設(shè)，OLAP謝謝閱讀則用于查證假設(shè)。簡(jiǎn)單來說，OLAP是由使用者所主導(dǎo)，使用者先有一些假設(shè)，謝謝閱讀然后利用OLAP來查證假設(shè)是否成立；而DataMining則是用來幫助使用者產(chǎn)生精品文檔放心下載6假設(shè)。所以在使用OLAP或其它Query的工具時(shí)，使用者是自己在做探索精品文檔放心下載（Exploration），但DataMining是用工具在幫助做探索。精品文檔放心下載精品文檔放心下載OLAP的工具去驗(yàn)精品文檔放心下載證此假設(shè)是否為真，又成立的證據(jù)有多明顯；但DataMining則不然，執(zhí)行Data精品文檔放心下載Mining的人將龐大的結(jié)帳數(shù)據(jù)整理后，并不需要假設(shè)或期待可能的結(jié)果，透過謝謝閱讀Mining精品文檔放心下載常被同時(shí)購買的意料外之發(fā)現(xiàn)，這是OLAP所做不到的。感謝閱讀DataMiningOLAP僅能利用人工查詢及精品文檔放心下載可視化的報(bào)表來確認(rèn)某些關(guān)系，是以DataMining此種自動(dòng)找出甚或不會(huì)被懷疑謝謝閱讀過的數(shù)據(jù)型樣與關(guān)系的特性，事實(shí)上已超越了我們經(jīng)驗(yàn)、教育、想象力的限制，精品文檔放心下載OLAP可以和DataMiningDataMining無法被OLAP取代的。精品文檔放心下載KDD(KnowledgeDiscoveryinDatabase)和DataMining的關(guān)系也是需要厘清謝謝閱讀Fayyad等人對(duì)KDDnontrivialProcessofidentifying感謝閱讀valid、novel、potentiallyuseful,andultimatelyunderstandablepattern精品文檔放心下載indata」，其流程步驟是：先理解要應(yīng)用的領(lǐng)域、熟悉相關(guān)知識(shí)，接著建立目精品文檔放心下載標(biāo)數(shù)據(jù)集，并專注所選擇（Selection）之?dāng)?shù)據(jù)子集；再從目的數(shù)據(jù)中作前置處感謝閱讀精品文檔放心下載謝謝閱讀做回歸分析或找出分類型態(tài)；最后經(jīng)過「Interpretation/Evaluation」成為有精品文檔放心下載謝謝閱讀的知識(shí)。所以，KDD是一連串的程序，DataMining是其中的一個(gè)步驟而已。謝謝閱讀總而言之，DataMining，Datawarehouse，KDD三者的關(guān)系可以如此厘清，精品文檔放心下載即Datawarehouse是一個(gè)經(jīng)過處理、整合之?dāng)?shù)據(jù)庫，而KDD是一種知識(shí)發(fā)現(xiàn)的精品文檔放心下載7一連串程序，DataMining只是KDD的一個(gè)重要程序。它們最終目的，乃為組織精品文檔放心下載謝謝閱讀替組織取得競(jìng)爭(zhēng)優(yōu)勢(shì)。DataMining的功能一般而言，DataMining功能可包含下列五項(xiàng)功能：精品文檔放心下載?分類(classification)?推估(estimation)?預(yù)測(cè)(prediction)?關(guān)聯(lián)分組(affinitygrouping)?同質(zhì)分組(clustering)茲將這些功能的意義及可能使用的技巧簡(jiǎn)述如下：分類按照分析對(duì)象的屬性分門別類加以定義，建立類組(class)。例如，將信用精品文檔放心下載精品文檔放心下載使用的技巧有決策樹(decisionreasoning)感謝閱讀等。推理謝謝閱讀感謝閱讀法上之相關(guān)分析、回歸分析及類神經(jīng)網(wǎng)絡(luò)方法。預(yù)測(cè)8謝謝閱讀謝謝閱讀神經(jīng)網(wǎng)絡(luò)方法。關(guān)聯(lián)分組從所有對(duì)象決定那些相關(guān)對(duì)象應(yīng)該放在一起。例如超市中相關(guān)之盥洗用品感謝閱讀精品文檔放心下載確認(rèn)交叉銷售(cross-selling)的機(jī)會(huì)以設(shè)計(jì)出吸引人的產(chǎn)品群組。謝謝閱讀同質(zhì)分組精品文檔放心下載感謝閱讀自然產(chǎn)生區(qū)隔。使用的技巧包括k-means法及agglomeration法。精品文檔放心下載DataMining的應(yīng)用DataMining導(dǎo)入企業(yè)，其重點(diǎn)在于企業(yè)領(lǐng)域方面的知識(shí)，而它的謝謝閱讀Domain-specificTools要結(jié)合企業(yè)中使用者的語言和分析過程，才能發(fā)揮工具謝謝閱讀精品文檔放心下載精品文檔放心下載精品文檔放心下載如，一個(gè)發(fā)行管理共同基金（mutualfunds)的企業(yè)體要發(fā)掘潛在客戶，它要能感謝閱讀精品文檔放心下載精品文檔放心下載感謝閱讀成功的把共同基金推展至市場(chǎng)上。目前企業(yè)界把DataMining感謝閱讀感謝閱讀andSpotlight、NichWorkvisualization謝謝閱讀TASA等等。這些數(shù)據(jù)發(fā)掘的系統(tǒng)，應(yīng)用非常廣泛，例如有一個(gè)應(yīng)用在行銷領(lǐng)域精品文檔放心下載9精品文檔放心下載謝謝閱讀150公分左感謝閱讀右，男性是163公分左右，而最舒適的視線角度是視線高度以下15度左右，所感謝閱讀以最好的貨品陳列位置是在130至135公分之間。感謝閱讀企業(yè)界實(shí)際發(fā)展DataMining謝謝閱讀謝謝閱讀（patterns）、多變與具時(shí)間性的數(shù)據(jù)、空間導(dǎo)向數(shù)據(jù)（spatiallyoriented謝謝閱讀data）、復(fù)雜的數(shù)據(jù)型態(tài)、數(shù)據(jù)的衡量性(scalability)。這說明數(shù)據(jù)與知識(shí)的感謝閱讀發(fā)掘是一項(xiàng)信息豐富性的工作，面對(duì)易變的環(huán)境，沒有現(xiàn)成的Model馬上可用，感謝閱讀精品文檔放心下載感謝閱讀才能做好資料挖掘工作。DataMining對(duì)每個(gè)公司來說都是一種重要的策略性的的計(jì)劃，而將之列為謝謝閱讀DataMining來做什么樣的事其實(shí)相當(dāng)不謝謝閱讀容易。根據(jù)TwoCrowsCorp.最近的調(diào)查顯示，DataMining主要的三個(gè)應(yīng)用方感謝閱讀精品文檔放心下載Marketing、以及Market-BasketAnalysis。謝謝閱讀在CustomerProfiling方面，我們希望找出客戶的一些共同的特征，希望感謝閱讀能藉此預(yù)測(cè)哪些人可能成為我們的客戶，以幫助行銷人員找到正確的行銷對(duì)象。精品文檔放心下載DataMining可以從現(xiàn)有客戶數(shù)據(jù)中找出他們的特征，再利用這些特征到潛在客精品文檔放心下載精品文檔放心下載人員就可以只針對(duì)這些名單寄發(fā)廣告數(shù)據(jù)，以降低成本，也提高行銷的成功率。謝謝閱讀Market-BasketAnalysis主要是用來幫助零售業(yè)者了解客戶的消費(fèi)行為，謝謝閱讀感謝閱讀買另一樣產(chǎn)品等等。利用DataMining，零售業(yè)者可以更有效的決定進(jìn)貨量或庫感謝閱讀謝謝閱讀10客戶關(guān)系的管理是DataMining感謝閱讀精品文檔放心下載感謝閱讀精品文檔放心下載要高出許多。精品文檔放心下載欺行為的偵測(cè)（FraudDetection）都很有興趣，這些行業(yè)每年因?yàn)樵p欺行為而感謝閱讀造成的損失都非?？捎^。DataMining可以找出可能的詐欺交易，減少損失。財(cái)感謝閱讀務(wù)金融業(yè)可以利用DataMining精品文檔放心下載價(jià)走向。DataMining的另一個(gè)獨(dú)特的用法是在醫(yī)療業(yè)，用來預(yù)測(cè)手術(shù)、用藥、精品文檔放心下載診斷、或是流程控制的效率。下面是一些DataMining的在科學(xué)、行銷、工業(yè)、商業(yè)、體育…等各方面感謝閱讀運(yùn)用的類型：●在財(cái)務(wù)金融方面，預(yù)測(cè)市場(chǎng)動(dòng)向，防范犯罪詐欺。精品文檔放心下載據(jù)挖采中的前后行為分析（SequentialPatternDetection）功能讓您分析那精品文檔放心下載謝謝閱讀中找到可能轉(zhuǎn)向的客戶，想辦法留住他們。感謝閱讀感謝閱讀些人成為您的客戶。精品文檔放心下載戶，這樣您就可以設(shè)計(jì)更好的產(chǎn)品來滿足您的客戶的需求。感謝閱讀●商業(yè)智慧所要解決的問題還包括如何減低詐欺或不實(shí)的申報(bào)（Fraud）。利用感謝閱讀感謝閱讀少損失，增加利潤(rùn)。●如果采用不同的價(jià)格策略，是否能增加市場(chǎng)占有率？●什么時(shí)候才是推出新產(chǎn)品的好時(shí)機(jī)？●我們與競(jìng)爭(zhēng)對(duì)手的優(yōu)劣勢(shì)如何？●讓我們獲利高的客戶們有什么共同的特征？●當(dāng)我們的客戶要轉(zhuǎn)向我們的競(jìng)爭(zhēng)對(duì)手之前，是否有何前兆？感謝閱讀●如何認(rèn)定客戶的信用風(fēng)險(xiǎn)狀況？●如何設(shè)計(jì)更好的保險(xiǎn)產(chǎn)品來吸引客戶，讓客戶滿意？●一個(gè)經(jīng)紀(jì)人在一個(gè)星期中應(yīng)該可以賣出多少共同基金？●于銷售資料中，發(fā)掘顧客的消費(fèi)習(xí)性●根據(jù)以往審核的資料，找尋核發(fā)信用卡的規(guī)則●在NBA球賽數(shù)據(jù)中，找出球員的強(qiáng)弱點(diǎn)●從消費(fèi)及繳費(fèi)數(shù)據(jù)中，預(yù)警信用卡呆帳可能●從通話記錄數(shù)據(jù)中，預(yù)警盜打電話可能●從宇宙飛船拍攝的影像數(shù)據(jù)，找尋星球上的火山●星際星體分類WebMining和DataMining有什么不同？謝謝閱讀如果將Web視為CRM的一個(gè)新的ChannelWebMining便可單純看做Data感謝閱讀Mining應(yīng)用在網(wǎng)絡(luò)數(shù)據(jù)的泛稱。精品文檔放心下載訪客是哪些人？什么原因吸引他們前來？如何從堆積如山之大量由網(wǎng)絡(luò)所得數(shù)精品文檔放心下載據(jù)中找出讓網(wǎng)站運(yùn)作更有效率的操作因素？以上種種皆屬WebMining分析之范精品文檔放心下載疇。WebMining不僅只限于一般較為人所知的logfile分析，除了計(jì)算網(wǎng)頁瀏覽謝謝閱讀謝謝閱讀Off-Line可精品文檔放心下載12進(jìn)行的分析，WebMiningOff-Line及On-Line的數(shù)據(jù)庫，謝謝閱讀謝謝閱讀謝謝閱讀落實(shí)的。整體而言，WebMining具有以下特性：1.資料收集容易且不引人注意，所精品文檔放心下載精品文檔放心下載紀(jì)錄的；2.以交互式個(gè)人化服務(wù)為終極目標(biāo)，除了因應(yīng)不同訪客呈現(xiàn)專屬設(shè)計(jì)謝謝閱讀的網(wǎng)頁之外，不同的訪客也會(huì)有不同的服務(wù)；3.可整合外部來源數(shù)據(jù)讓分析功精品文檔放心下載logfilecookies謝謝閱讀精品文檔放心下載資源，將使分析的結(jié)果更準(zhǔn)確也更深入。利用DataMining技術(shù)建立更深入的訪客數(shù)據(jù)剖析，并賴以架構(gòu)精準(zhǔn)的預(yù)測(cè)感謝閱讀模式，以期呈現(xiàn)真正智能型個(gè)人化的網(wǎng)絡(luò)服務(wù)，是WebMining努力的方向。謝謝閱讀DataMining在CRM中扮演的角色為何？謝謝閱讀CRM（CustomerRelationshipManagement謝謝閱讀議題，尤其在直效行銷的崛起與網(wǎng)絡(luò)的快速發(fā)展帶動(dòng)下，跟不上CRM的腳步如謝謝閱讀同跟不上時(shí)代。事實(shí)上CRM并不算新發(fā)明，奧美直效行銷推動(dòng)十?dāng)?shù)年的CO感謝閱讀（CustomerOwnership）就是現(xiàn)在大家談的CRM—客戶關(guān)系管理。謝謝閱讀DataMining應(yīng)用在CRM的主要方式可對(duì)應(yīng)在GapAnalysis之三個(gè)部分：感謝閱讀針對(duì)AcquisitionGapCustomerProfiling找出客戶的一些共同的特征，感謝閱讀ClusterAnalysis對(duì)客戶進(jìn)行分群后再透過Pattern謝謝閱讀13Analysis感謝閱讀進(jìn)而降低成本，也提高行銷的成功率。針對(duì)SalesGapBasketAnalysis幫助了解客戶的產(chǎn)品消費(fèi)模式，找出精品文檔放心下載哪些產(chǎn)品客戶最容易一起購買，或是利用SequenceDiscovery預(yù)測(cè)客戶在買了某謝謝閱讀一樣產(chǎn)品之后，在多久之內(nèi)會(huì)買另一樣產(chǎn)品等等。利用DataMining可以更有效精品文檔放心下載感謝閱讀同時(shí)也可以用來評(píng)估促銷活動(dòng)的成效。針對(duì)RetentionGap謝謝閱讀感謝閱讀法預(yù)防客戶流失；更有系統(tǒng)的做法是藉由NeuralNetwork根據(jù)客戶的消費(fèi)行為與感謝閱讀交易紀(jì)錄對(duì)客戶忠誠度進(jìn)行Scoring的排序，如此則可區(qū)隔流失率的等級(jí)進(jìn)而配謝謝閱讀合不同的策略。CRM080精品文檔放心下載輸入計(jì)算機(jī)就夠，完整的CRM運(yùn)作機(jī)制在相關(guān)的硬軟件系統(tǒng)能健全的支持之謝謝閱讀前，有太多的數(shù)據(jù)準(zhǔn)備工作與分析需要推動(dòng)。企業(yè)透過DataMining可以分別精品文檔放心下載謝謝閱讀謝謝閱讀答案，并賴以建立真正由客戶需求點(diǎn)出發(fā)的客戶關(guān)系管理。謝謝閱讀14DataMining的進(jìn)行步驟資料挖掘既然可以增加企業(yè)智慧，提升企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)，到底應(yīng)該如何進(jìn)行謝謝閱讀呢？根據(jù)Glymour等人的研究，提出一個(gè)參考的進(jìn)行步驟如下：感謝閱讀1.理解數(shù)據(jù)與進(jìn)行的工作2.獲取相關(guān)知識(shí)與技術(shù)（Acquisition）3.融合與查核資料（Integrationandchecking）精品文檔放心下載4.去除錯(cuò)誤或不一致的數(shù)據(jù)（Datacleaning）感謝閱讀5.發(fā)展模式與假設(shè)（Modelandhypothesisdevelopment）感謝閱讀6.實(shí)際數(shù)據(jù)挖掘工作7.測(cè)試與檢核所挖掘的數(shù)據(jù)（Testingandverfication）精品文檔放心下載8.解釋與使用數(shù)據(jù)（Interpretationanduse）感謝閱讀從八個(gè)步驟來看，DataMining牽涉大量的規(guī)劃與準(zhǔn)備，而從其它文獻(xiàn)得知，謝謝閱讀專家聲稱高達(dá)80%Join以及可能相當(dāng)大精品文檔放心下載DataMining只是知識(shí)發(fā)掘過程中的一個(gè)步驟而已，感謝閱讀而達(dá)到這個(gè)步驟前還有許許多多的工作要完成。個(gè)案研究現(xiàn)在已經(jīng)有相當(dāng)數(shù)量的公司安裝了數(shù)據(jù)挖采軟件，以找出那些會(huì)造成利潤(rùn)謝謝閱讀差異的信息。151.完美的購物經(jīng)驗(yàn)-英國(guó)Safeway此個(gè)案研究探討英國(guó)的Safeway如何運(yùn)用DataMining來從大量的數(shù)據(jù)中萃感謝閱讀取商業(yè)信息。英國(guó)Safeway使用IntelligentMiner從數(shù)據(jù)中萃取商業(yè)知識(shí)，這是一精品文檔放心下載個(gè)DataMiningSafeway定義了明確并實(shí)感謝閱讀DataMining感謝閱讀讀DataMining的結(jié)果，并且采取實(shí)際的行動(dòng)以善用DataMining所發(fā)掘出來的信精品文檔放心下載息。英國(guó)Safeway精品文檔放心下載精品文檔放心下載System/390DB2感謝閱讀易，以及約4TB的磁盤儲(chǔ)存容量。根據(jù)英國(guó)Safeway精品文檔放心下載謝謝閱讀謝謝閱讀感謝閱讀以及擴(kuò)充的成本，沒有一家公司有足夠的資源可以在擴(kuò)充方面超越對(duì)手?！垢兄x閱讀溫曲先生的說法是，這個(gè)問題的答案是：「必須以客戶為導(dǎo)向，而非以產(chǎn)感謝閱讀精品文檔放心下載精品文檔放心下載Safeway想要知道哪些種類的客戶買了哪些種類的產(chǎn)品以及購買的精品文檔放心下載頻率，以建立「?jìng)€(gè)人導(dǎo)向的市場(chǎng)」。(1)一把網(wǎng)住Safeway在商謝謝閱讀業(yè)智慧過程（也就是DataWarehousing/DataMining過程）中的下一步，就是選擇謝謝閱讀16DataWarehouse感謝閱讀精品文檔放心下載種信用卡就成為該公司在500感謝閱讀DataWarehouse感謝閱讀約有500GB），使用的平臺(tái)則為執(zhí)行IntelligentMiner的RS/6000SP2。精品文檔放心下載IBM聲稱該公司在1996推出的IntelligentMiner能提供DataMining作業(yè)所需精品文檔放心下載DataMining感謝閱讀數(shù)據(jù)分割、以及產(chǎn)品吸引力分析，當(dāng)然還有圖形化的結(jié)果顯示。精品文檔放心下載通常數(shù)據(jù)在存入DataWarehouse之前，都必須經(jīng)過各種仔細(xì)的轉(zhuǎn)換（Data謝謝閱讀Cleansing），例如將標(biāo)稱值轉(zhuǎn)換為數(shù)值、定義衍生的屬性、以及去除空值（Null精品文檔放心下載Values）等等，這都要視應(yīng)用而定。在英國(guó)Safeway的個(gè)案里，資料源為單一的精品文檔放心下載謝謝閱讀大略的估計(jì)其客戶是哪些人，所以DataCleansing并不是主要的問題。謝謝閱讀在資料被存入DataWarehouse之后，IntelligentMiner會(huì)根據(jù)客戶的相關(guān)資料，感謝閱讀將客戶分為150Association謝謝閱讀精品文檔放心下載75%感謝閱讀精品文檔放心下載過程事實(shí)上是我們業(yè)務(wù)的一部份。」(2)找出模式溫曲先生的說法是，由于DataMining的貢獻(xiàn)，「我們找出了超過人類概念感謝閱讀范圍的關(guān)連性?！估鏘ntelligentMiner發(fā)現(xiàn)某一種奶酪產(chǎn)品雖然銷售額排名第謝謝閱讀209，可是消費(fèi)額最高的客戶中有25%都常常買這種奶酪，這些客戶可是英國(guó)精品文檔放心下載17Safeway最不想得罪的客戶。如果使用傳統(tǒng)的分析方法的話，這種產(chǎn)品很快就會(huì)精品文檔放心下載不賣了，可是事實(shí)上這種產(chǎn)品是相當(dāng)重要的。英國(guó)Safeway也發(fā)現(xiàn)在28種品牌的橘子汁中，有8種特別受到歡迎。因此精品文檔放心下載謝謝閱讀精品文檔放心下載價(jià)之寶?！筍afeway謝謝閱讀用DataMining中的SequenceDiscovery的功能，以偵測(cè)出長(zhǎng)期的經(jīng)常購買行為。精品文檔放心下載再將這些數(shù)據(jù)與主數(shù)據(jù)庫的人口統(tǒng)計(jì)數(shù)據(jù)結(jié)合在一起，Safeway的行銷部門就可感謝閱讀精品文檔放心下載感謝閱讀根據(jù)個(gè)別狀況設(shè)計(jì)的郵件，這在我們銷售量的成長(zhǎng)方面扮演了很重要的角色。」精品文檔放心下載有些DataMining的結(jié)果會(huì)比較容易應(yīng)用到實(shí)際上，有的則不然。針對(duì)這個(gè)謝謝閱讀SafewayDataMining的結(jié)果謝謝閱讀再做DataMining，以找出有顯著興趣的數(shù)據(jù)。這種工具雖然目前使用的人不多，感謝閱讀可是等到DataMining越來越普遍后，接受度應(yīng)該會(huì)更高。謝謝閱讀英國(guó)Safeway采取的DataMining方式可能是很典型的。該公司把焦點(diǎn)集中精品文檔放心下載感謝閱讀DataMining謝謝閱讀的商業(yè)智慧過程中的一小部份而已。2.MCI通訊公司18與其它電話公司一樣，MCI想要保有最多的顧客。方法之一就是及時(shí)找出精品文檔放心下載感謝閱讀例如提供特別的費(fèi)率和服務(wù)。如何從數(shù)百萬的顧客之中，找到你要維持的對(duì)象昵？MCI的辦法是徹底搜精品文檔放心下載尋1億4精品文檔放心下載謝謝閱讀精品文檔放心下載精品文檔放心下載或從顧客打電話紿客戶服務(wù)專線的次數(shù)找到模式？為找出這個(gè)模式，MCI定期啟動(dòng)該公司的IBMSP/2超級(jí)計(jì)算機(jī)－該公司的精品文檔放心下載datawarehouse謝謝閱讀SP/2已經(jīng)匯編出一套含22個(gè)詳細(xì)而謝謝閱讀高度機(jī)密的統(tǒng)計(jì)性資料文件。MCI的信息主管LanceB.Boxer謝謝閱讀程序的話，不可能開發(fā)出任何統(tǒng)計(jì)數(shù)據(jù)文件。3.USWest公司和其它電話公司一樣，它也希望能找出有家用第二和第三條電話線的強(qiáng)烈感謝閱讀精品文檔放心下載精品文檔放心下載一些特別區(qū)域的網(wǎng)絡(luò)總機(jī)和電話干線的。甚且，USWest說，他們打算精確的找感謝閱讀感謝閱讀話線路，時(shí)間久到讓公司獲有利潤(rùn)。為了找到這些人，USWest使用一個(gè)叫做PALMS的程序。與該公司共同設(shè)感謝閱讀計(jì)這套程序的有AT&T的NCR計(jì)算機(jī)部門，及擁有美國(guó)航空公司的AMR公司謝謝閱讀旗下的SabreDecisionTechnologies部門。PALMS的執(zhí)行平白是威力強(qiáng)大的NCR精品文檔放心下載平行處理計(jì)算機(jī)。首先，PALMS過濾美國(guó)鳳凰城地區(qū)域數(shù)千筆顧客記錄的樣本精品文檔放心下載19250謝謝閱讀精品文檔放心下載紀(jì)錄。最后，得到一個(gè)理想的潛在客戶統(tǒng)計(jì)模型。然后，PALMS利用這個(gè)模型來搜尋數(shù)百萬筆的顧客紀(jì)錄－數(shù)據(jù)量幾達(dá)一兆精品文檔放心下載位。此程序在找出與其它數(shù)據(jù)的關(guān)系后，如每家的住址、USWest的電話干線位精品文檔放心下載置、各地總機(jī)的容量，即可辨識(shí)出一群潛在的顧客－這些家庭符合該幙式，且感謝閱讀USWest不必花費(fèi)太多，就能夠?yàn)檫@些家庭提供服務(wù)。感謝閱讀USWest從1996年11月4日到1997年1DM感謝閱讀動(dòng)的回復(fù)率很高，與花費(fèi)數(shù)百萬美元的廣播活動(dòng)不相上下。PALMS甚至能夠計(jì)謝謝閱讀算出DMDM感謝閱讀郵件。4.UltraGem公司在舊金山創(chuàng)立的UltraGem公司，一直和一家不具名的銀行，共同預(yù)估可調(diào)精品文檔放心下載利率抵押貸款的獲利率。UltraGem感謝閱讀精品文檔放心下載謝謝閱讀精品文檔放心下載UltraGem董事長(zhǎng)StevenA.Vere感謝閱讀款、誰可能拖延付款等因素，而藉此調(diào)整不同的利率與手續(xù)費(fèi)。精品文檔放心下載5.Wal-MartStores公司1980年代起，精品文檔放心下載Wal-Mart每晚從各分店收集了大量的收款機(jī)資料。但是，除了使用來自NCR公謝謝閱讀司強(qiáng)大的計(jì)算機(jī)，Wal-Mart7億筆令人心生畏懼精品文檔放心下載20的潛在預(yù)測(cè)要計(jì)算－每一次計(jì)算2,700家分店個(gè)別的項(xiàng)目－迫使他們把店面按區(qū)感謝閱讀域劃分，產(chǎn)品類別而分。去年，Wal-Mart已經(jīng)把系統(tǒng)轉(zhuǎn)換為由NeoVistaSolutions公司所提供的數(shù)感謝閱讀據(jù)挖采系統(tǒng)。系統(tǒng)運(yùn)用數(shù)百臺(tái)處理器執(zhí)行這項(xiàng)工作，協(xié)助Wal-Mart預(yù)測(cè)特定分感謝閱讀店中，對(duì)某一單項(xiàng)產(chǎn)品的需求。而且它也改善了Wal-Mart「巿場(chǎng)－購物籃」分感謝閱讀感謝閱讀品組合。6.國(guó)內(nèi)的例子現(xiàn)在許多電信公司都開始往Data-Mining感謝閱讀精品文檔放心下載息流及客戶流的104謝謝閱讀開始從事Data-Mining的研究開發(fā)。但此方面國(guó)內(nèi)才剛起步尚未有成功的例子精品文檔放心下載傳出；倒是賣工具的SAS,SPSS,NCR,STATISTICA,ORACLE……等軟件廠商有不錯(cuò)感謝閱讀的業(yè)績(jī)。賣鏟子的能賺錢，買了鏟子能不能挖掘到寶藏仍是未知數(shù)?精品文檔放心下載XML(DataWarehousing)與新增數(shù)據(jù)采礦(Data謝謝閱讀Mining)功能的MicrosoftSQLServer2000XML與感謝閱讀HTTP(DataMining)精品文檔放心下載幅強(qiáng)化數(shù)據(jù)所能提供的參考價(jià)值與可用性、存取效率與實(shí)時(shí)決策支持系統(tǒng)分析，感謝閱讀讓企業(yè)能以最低的成本建置完善的數(shù)據(jù)庫。DataMining工具DataMiming的工具是利用數(shù)據(jù)來建立一些仿真真實(shí)世界的模式（Model），精品文檔放心下載利用這些模式來描述數(shù)據(jù)中的特征（Patterns）以及關(guān)系（Relations）。這些模式謝謝閱讀謝謝閱讀如AssociationModel可以幫助超級(jí)市場(chǎng)或百貨店規(guī)畫如何擺設(shè)貨品。第二，數(shù)據(jù)謝謝閱讀21謝謝閱讀精品文檔放心下載費(fèi)郵寄費(fèi)而只得到很少的回應(yīng)。DataMining可以建立六種模式：Classification、Regression、TimeSeries、精品文檔放心下載Clustering、Association、以及Sequence。Classification以及Regression主要是用來謝謝閱讀Association與SequenceClustering精品文檔放心下載則是二者都可以用的上。1.ClassificationClassification是根據(jù)一些變量的數(shù)值做計(jì)算，再依照結(jié)果作分類。（計(jì)算的感謝閱讀"可能會(huì)響應(yīng)"或謝謝閱讀是"可能不會(huì)響應(yīng)"兩類）。Classification常常被用來處理如前面說到的郵寄對(duì)象謝謝閱讀感謝閱讀感謝閱讀感謝閱讀謝謝閱讀ClassificationModelModel來對(duì)數(shù)據(jù)庫的其它數(shù)據(jù)或是新的數(shù)據(jù)感謝閱讀作預(yù)測(cè)。Classification通常會(huì)牽涉到兩種統(tǒng)計(jì)方法：LogisticRegression以及Discriminant感謝閱讀Analysis。然而因?yàn)镈ataMining已漸普遍，所以NeuralNets以及DecisionTree也謝謝閱讀謝謝閱讀繁雜的統(tǒng)計(jì)。NeuralNetsNet上的一個(gè)Node精品文檔放心下載Node）謝謝閱讀22都是一個(gè)函數(shù)，這個(gè)函數(shù)是使用輸入該節(jié)點(diǎn)的相鄰節(jié)點(diǎn)值的加權(quán)總和（Weighted感謝閱讀Sum）做運(yùn)算。在建立一個(gè)模式的過程中，我們要用一些數(shù)據(jù)來'喂''訓(xùn)練'它來謝謝閱讀找到一組能夠產(chǎn)生最佳輸出結(jié)果的加權(quán)值（Weights）。有一種最常用的'訓(xùn)練法'感謝閱讀稱為Back-Propagation謝謝閱讀后就產(chǎn)生另一組調(diào)整過的Weights，然后再產(chǎn)生一個(gè)新的輸出值再與該已知值相謝謝閱讀NeuralNet就被'訓(xùn)練'得能夠相當(dāng)正確的做精品文檔放心下載預(yù)測(cè)了。可是NeuralNet有兩個(gè)問題。首先，NeuralNet最受質(zhì)疑的是它的'曖昧不明'謝謝閱讀的特性，也就是它做的預(yù)測(cè)所根據(jù)的因素并不明確。第二，NeuralNet對(duì)測(cè)試數(shù)感謝閱讀感謝閱讀有一些新的技術(shù)可以改正這個(gè)缺點(diǎn)。DecisionTree則是利用一系列的規(guī)則來得到謝謝閱讀'風(fēng)險(xiǎn)高'與'風(fēng)險(xiǎn)低'精品文檔放心下載了這個(gè)DecisionTree，銀行的放款人員就可以審查申請(qǐng)人的條件，決定該人是屬謝謝閱讀于高風(fēng)險(xiǎn)或低風(fēng)險(xiǎn)群。例如'收入高于40000'而且'高負(fù)債'的人會(huì)被歸為高風(fēng)險(xiǎn)之精品文檔放心下載類，而'收入低于40000'而且'工作超過5年'則會(huì)被歸為低風(fēng)險(xiǎn)之類。DecisionTree謝謝閱讀現(xiàn)在相當(dāng)普遍，因?yàn)樗龅念A(yù)測(cè)相當(dāng)正確，而且又比NeuralNet容易了解。精品文檔放心下載DecisionTree與NeuralNet也可以用來做Regression，某些種類的NeuralNet甚至感謝閱讀可以用來做Clustering。DecisionTrees232.RegressionRegression是使用一系列的現(xiàn)有數(shù)值來預(yù)測(cè)一個(gè)連續(xù)數(shù)值的可能值。謝謝閱讀3.Time-SeriesForcastingTime-SeriesForcasting與Regression感謝閱讀的數(shù)值。Time-SeriesForcasting的不同點(diǎn)在于它所分析的數(shù)值都與時(shí)間有關(guān)。謝謝閱讀Time-SeriesForcasting的工具可以處理有關(guān)時(shí)間的一些特性，譬如時(shí)間的階層性感謝閱讀精品文檔放心下載如過去與未來的關(guān)連性有多少。4.ClusteringClustering是將數(shù)據(jù)分為幾組，其目的是要將組與組之間的差異找出來，同感謝閱讀時(shí)也要將一個(gè)組之中的成員的相似性找出來。Clustering與Classification不同的是，感謝閱讀感謝閱讀這些分類的意義。5.Association24Association是要找出在某一事件或是數(shù)據(jù)中會(huì)同時(shí)出現(xiàn)的東西。Association謝謝閱讀主要是要找出下面這樣的信息：如果ItemA是某一事件的一部份，則ItemB也謝謝閱讀出現(xiàn)在該事件中的機(jī)率有X%謝謝閱讀酪乳，那么這個(gè)顧客同時(shí)也買低脂牛奶的機(jī)率是85%。）感謝閱讀6.SequenceDiscoverySequenceDiscovery與AssociationSequenceDiscovery謝謝閱讀中相關(guān)的Item是以時(shí)間區(qū)分開來（例如：如果做了X手術(shù)，則Y病菌在手術(shù)后謝謝閱讀感染的機(jī)率是45%。又例如：如果A股票在某一天上漲12%，而且當(dāng)天股市加謝謝閱讀權(quán)指數(shù)下降，則B股票在兩天之內(nèi)上漲的機(jī)率是68%）。謝謝閱讀有一點(diǎn)很重要的是，沒有一種DataMining的工具可以應(yīng)付所有的要求。對(duì)謝謝閱讀精品文檔放心下載謝謝閱讀感謝閱讀業(yè)種、用途的工具問世。以下介紹一般常用的工具分類，列于下表：精品文檔放心下載1.Case-BasedReasoning2.DataVisualization3.FuzzyQueryandAnalysis4.KnowledgeDiscovery5.NeuralNetworks表Datamining分析工具Datamining定義代表性產(chǎn)品

tools感謝閱讀25Case-based在關(guān)系型數(shù)據(jù)庫中提供一個(gè)Means1.CBRExpress

Reasoning找出record以發(fā)現(xiàn)類似規(guī)范的記錄精品文檔放心下載2.Esteen或一般記錄3.Kate-CBR4.TheEasyReasonerData1.Alterian

精品文檔放心下載2.AVS/Express謝謝閱讀3.Visualization

了解。Edition4.Axum5.Discovery6.SPSSDiamond7.VisualInsightFuzzyQueryand模糊理論積極的承認(rèn)人主觀性問題1.CubiCalc精品文檔放心下載Analysis量化問題，故能找出意想不到的信謝謝閱讀2.FuziCalc3.FuzzyTECHforbusiness準(zhǔn)，以及要改變每一種標(biāo)準(zhǔn)時(shí)。

4.QuestKnowledge這些工具特別設(shè)計(jì)以便確認(rèn)那些已1.AriaDiscovery謝謝閱讀2.Answertree些datamining工具能幫助指出巨量3.CART商機(jī)。4.DARWIN5.EnterpriseMiner6.DataEngineNeuralNetworks類神經(jīng)網(wǎng)絡(luò)技術(shù)的目標(biāo)是發(fā)現(xiàn)與預(yù)1.BackPack

2.BrainMaker感謝閱讀區(qū)別是，它可以訓(xùn)練學(xué)習(xí)發(fā)現(xiàn)的關(guān)

況，并可以彌補(bǔ)數(shù)據(jù)質(zhì)量較差的情感謝閱讀3.Loadstone26況，而處理出品質(zhì)不錯(cuò)的信息來。4.NeuFrame/NeuroFuzzy精品文檔放心下載5.NeuralnetworkBrowser6.Neuralconnection7.NeuralnetworkUtility8.NeuralystForExcel精品文檔放心下載精品文檔放心下載的技術(shù)，如類神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、專家系統(tǒng)等人工智能的工具，使AI找到新精品文檔放心下載的應(yīng)用Domain。但是，近年浮現(xiàn)的新技術(shù)：遺傳算法（Geneticalgorithms），精品文檔放心下載卻無確切證據(jù)顯示在DataMining工具產(chǎn)品中使用，本文認(rèn)為遺傳算法的特性，謝謝閱讀必然在DataMining領(lǐng)域中有出色的演出。謝謝閱讀遺傳算法是一種全新的最佳化空間搜尋法，其最初概念是由JohnHolland感謝閱讀于1975謝謝閱讀精品文檔放心下載感謝閱讀精品文檔放心下載DataMining感謝閱讀DataMining謝謝閱讀領(lǐng)域綻放光芒。精品文檔放心下載謝謝閱讀感謝閱讀最佳的結(jié)果。它具有強(qiáng)固性（robustness）與求值空間的獨(dú)立性（domain精品文檔放心下載感謝閱讀力；而求值空間的獨(dú)立性則使遺傳算法的設(shè)計(jì)單一化，且適用于多種不同性質(zhì)、感謝閱讀DataMining感謝閱讀27精品文檔放心下載然可斷定它必然成為DataMining的分析利器。謝謝閱讀DataMining軟件?MLC++(pd)?MOBAL(pd)?MOBAL(pd)?Emerald(rp)?Kepler(rp)?Clementine(cp)?DataMindDataCruncher(cp)感謝閱讀?Darwin(cp)?IntelligentMiner(cp)?INSPECT(cp)?NeoVistaSolutions(cp)?Nuggets(cp)?Partek(cp)?Polyanalyst(cp)?SASDataMining(cp)?SGIMindSet(cp)?KnowledgeExplorer(cp)?DataEngine(cp)?DeltaMiner(cp)?S-PLUS(cp)28?MATLAB(cp)?Mathematica(cp)?XGOBI(pd)?CrystalVisionneéExplorN精品文檔放心下載?sphinxVision?Graf-FX?IRIS?Spotfire?Netmap?VisibleDecisionsInc.?VisualMine其它信息OtherInformation?KnowledgeDiscoveryNuggets感謝閱讀–/index.html謝謝閱讀–subscribe@–withsubscribekdnuggetsinbody謝謝閱讀?DataMiningandKnowledgeDiscovery謝謝閱讀–http://www.wkap.nl/journalhome.htm/1384-5810謝謝閱讀29–Firstissueavailableonline精品文檔放心下載OtherRelevantJournalsIEEETransactionsonKnowledgeandDataEngineering精品文檔放心下載–/tkde/感謝閱讀IntelligentDataAnalysisjournal(Elsevier).感謝閱讀–/ida/Menu.html感謝閱讀JournalofIntelligentInformationSystems(Kluwer)精品文檔放心下載–/JIIS/感謝閱讀SpecialIssuesIEEETransactionsKnowledgeandDataEngineering感謝閱讀8(6),December1996,SpecialSectionMiningOfDatabases謝謝閱讀CommunicationsofACMSpecialIssueonDataMining,Nov1996感謝閱讀IEEEExpertSpecialissueondatamining,October1996.精品文檔放心下載ComputationalIntelligenceSpecialIssueonRoughSetsand謝謝閱讀KnowledgeDiscovery,March1995.感謝閱讀30JournalofIntelligentInformationSystems(JIIS)Special精品文檔放心下載issueonKDD,volume4,number1,Jan1995.感謝閱讀DataSetsTheMachineLearningDatabaseRepository精品文檔放心下載–/AI/ML/Machine-Learning.html精品文檔放心下載TheNeuralNetsBenchmarkingHomepage精品文檔放心下載–http://wwwipd.ira.uka.de/~prechelt/NIPS-bench.html精品文檔放心下載InformationExplorationShootout感謝閱讀–:8080/精品文檔放心下載–Thenetworkintrusiondataset感謝閱讀–Theonlinenewsdataset結(jié)論TwoCrows董事長(zhǎng)HerbEdelstein警告，「必須謹(jǐn)記的是，即使機(jī)器讓這項(xiàng)感謝閱讀謝謝閱讀感謝閱讀精品文檔放心下載31謝謝閱讀精品文檔放心下載精品文檔放心下載感謝閱讀問題，IBM、視算枓技和ThinkingMachines公司已經(jīng)組