正文內容

數據挖掘技術在電子商務中的應用論(編輯修改稿)

2026-02-04 09:17 本頁面

　

【文章內容簡介】類或者分布。決策樹算法是目前應用最廣泛的歸納推理算法之一，是一種逼近離散值函數的方法，也可將它看作是一個布爾函數。它是以實例為基礎的歸納學習算法，通過對一組訓練數據的學習，構造出決策樹形式的只是表示，在決策樹的內節點進行屬性值的比較并根據不同的屬性值判斷從該節點向下的分枝，從而在決策樹葉節點得到結論。所以從根到葉節點的一條路徑就對應著一條規則，整棵決策樹就對應著一組吸取表達式規則。神經網絡神經網絡是指由大量神經元互聯而成的網絡，類似于服務器互聯而成的因特網。它主要由“神經元”的互聯，或按組織的結點構成。通常神經網絡模型由三個層次組成：輸入層，中間層，輸出層。在神經元求得輸入值后，再匯總計算總輸入值；由過濾機比較總輸出值，確定網絡的輸出值。可以通過模擬判斷，來不斷修正計算的“權值”來達到學習的目的，增加判斷的正確性。粗糙集粗糙值是一種研究不確定性問題的工具，它根據已有的給定問題的知識，對問題論域進行劃分，然后對劃分后的每個組成部分確定其對某個概念的支持程度。它用于從數據庫中發現分類規則的基本思路是將數據庫中的屬性分為條件屬性和結論屬性。對數據庫中的元組根據各個屬性不同的屬性值分成相應的子集，然后對條件屬性劃分的子集與結論屬性劃分的子集之間上下近似關系生成判定規則。回歸分析回歸分析分為線性回歸、多元回歸和非線性回歸。線性回歸中，數據是用直線建模；多元回歸是線性回歸的擴展，涉及多個預測變量。非線性回歸是在基本線性模型上添加多個項式項形成為線性回歸模型。 1. 數據挖掘階段分析數據挖掘階段作為整個項目的重中之重，通常數據挖掘的流程包括項目理解、數據理解、數據準備、建立模型、模型評估和模型發布等。項目理解階段此階段主要確定項目目標，訂立項目成功的標準，完成項目形勢評估及制定項目執行計劃等等。項目成功的標準是模型的準確率達到多少、純度達到多少等，而形式評估則主要對項目實施未來可能遇到的問題作一個簡單的評估，業務及行業規則不斷變化，模型在應用過程中會遇到各種問題等。至于項目計劃則是對整個項目需要的時間，資源作一個整體的規劃把控。除此之外，此階段還需要對相關專業術語進行解釋說明等。數據理解和數據準備數據挖掘對數據的依賴性非常高，為了能夠實現數據挖掘的目標，要求收集的數據足夠全，質量盡量高。通常在這個階段花費的時間占整個項目的一半還多。原始數據采集完后，還需要對數據進行描述和處理，比如進一步探查已選變量與目標變量之間是否存在關系，各變量數據的基本探查，如空值數目、唯一值數目、最小最大值的統計以及數據質量檢驗等。建立模型階段數據挖掘項目的建立模型都要經過三個階段：建立模型，測試并調整模型，應用模型。建立模型，就得選擇相應的建模技術，可能應用到決策樹、神經網絡及回歸分析等統計技術，在項目運營的各個階段，數據不同，運營宣傳方式也不同，這就可能利用模型的組合，各個項目階段采用不同的模型進行預測分析。模型評估階段模型的應用通常需要較長周期的檢驗才能準確的評估其是否滿足商業標準，在傳統行業，這個評估通常在模型應用一年后作出。此外，對于設計的模型，不但要評估模型的準確性和通用性，還要努力找出相關商業理由解釋說明模型的欠缺，把生成的結果與建模初訂立的標準進行對比，同時根據目前的狀況對數據倉庫變量

點擊復制文檔內容

公司管理相關推薦

數據挖掘技術在電子商務中的應用論(編輯修改稿)

數據挖掘技術在金融行業中的應用-資料下載頁

電子商務-電子商務在中小外貿企業中的應用-資料下載頁

數字簽名技術在電子商務中應用-資料下載頁

基于數據挖掘的旅游電子商務個性-資料下載頁

人工智能技術在電子商務中的應用-資料下載頁

電子商務在系統中的應用-資料下載頁

人工智能技術在電子商務中的應用-資料下載頁

電子商務---電子商務在中小型企業中的應用-資料下載頁

連鎖超市在電子商務中的應用-資料下載頁

數據挖掘技術及在電信行業中的應用-資料下載頁

電子商務在我國企業的應用-畢業論-資料下載頁

談電子商務中的數據庫技術-資料下載頁

電子商務畢業電子商務在企業中的應用畢業論文-資料下載頁

商品屬性在電子商務中的應用-資料下載頁

電子商務在物流業中的應用-資料下載頁

數據挖掘技術在電子商務中的應用論-在線瀏覽

數據挖掘技術在電子商務中的應用論-閱讀頁

數據挖掘技術在電子商務中的應用論(文件)

數據挖掘技術在電子商務中的應用論-全文預覽

數據挖掘技術在電子商務中的應用論-預覽頁