第16講決策支持與人工智能企業(yè)的智囊

1、第十六講 決策支持與人工智能：企業(yè)的智囊1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2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？銷售額？銷售額是否與銷售員的年齡、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？3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。4知識(shí)形成過(guò)程數(shù)據(jù)信息知識(shí)商務(wù)智能行為5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)常一起被銷售知識(shí)：啤酒和尿布擺放在一起零售店：周五晚上尿布銷量在一周尿布銷量總量中占很大比例知識(shí)：

2、促銷尿布？商務(wù)智能：誰(shuí)買？為什么買？互補(bǔ)品？知識(shí)：周五晚上在尿布附近促銷啤酒！6數(shù)據(jù)挖掘分類關(guān)聯(lián)分析：決定哪些事情將一起發(fā)生分類：如信用卡申請(qǐng)者，分類為低、中、高風(fēng)險(xiǎn)；客戶流失風(fēng)險(xiǎn)分析聚類：對(duì)記錄分組，把相似的記錄在一個(gè)聚集里?？蛻艏?xì)分，哪一種類的促銷對(duì)客戶響應(yīng)最好？7分類舉例：決策樹(shù)8分類舉例：決策樹(shù)9分類舉例：決策樹(shù)10聚類假設(shè) 某銀行擁有以下數(shù)據(jù)：1客戶號(hào)；2儲(chǔ)蓄賬戶余額；3活期賬戶余額；4投資賬戶余額；5日均交易次數(shù)；6信用卡支付模式；7是否有抵押貸款；8是否有賒賬額度；9客戶年齡；10客戶性別；11客戶婚姻狀況；12客戶家庭情況（孩子數(shù)）；13客戶年收入；14客戶是否擁有一輛以上小汽

3、車；15客戶流失狀態(tài)。11K-means聚類算法 1213人工智能：智能計(jì)算人工神經(jīng)網(wǎng)絡(luò)遺傳算法模擬退火算法模糊數(shù)學(xué)等等14智能計(jì)算也稱 “軟計(jì)算”，是們受自然（生物界）規(guī)律的啟迪，根據(jù)其原理，模仿求解問(wèn)題的算法。從自然界得到啟迪，模仿其結(jié)構(gòu)進(jìn)行發(fā)明創(chuàng)造，這就是仿生學(xué)。這是我們向自然界學(xué)習(xí)的一個(gè)方面。另一方面，還可以利用仿生原理進(jìn)行設(shè)計(jì)(包括設(shè)計(jì)算法)，這就是智能計(jì)算的思想。如人工神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法、模擬退火算法等。 15人工神經(jīng)網(wǎng)絡(luò)指模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，運(yùn)用大量的處理部件，由人工方式構(gòu)造的網(wǎng)絡(luò)系統(tǒng)突破了傳統(tǒng)的、線性處理的數(shù)字電子計(jì)算機(jī)的局限，是一個(gè)非線形動(dòng)力學(xué)系統(tǒng)，并以分布式存

4、儲(chǔ)和并行協(xié)同處理為特色單個(gè)神經(jīng)元的結(jié)構(gòu)和功能極其簡(jiǎn)單有限，但是大量的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所實(shí)現(xiàn)的行為卻是極其豐富多彩的1617人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元隱藏單元輸入輸出18人工神經(jīng)網(wǎng)絡(luò)隱藏層輸出層輸入層隱藏單元19輸入隱藏輸出10+11A+ 12B+13C1+ 2AGE+ 3INCCOMBINATIONACTIVATIONtanh(1+ 2AGE+ 3INC) =A4+ 5AGE+ 6INCtanh(4+ 5AGE+ 6INC) =B7+ 8AGE+ 9INCtanh(7+ 8AGE+ 9INC)=CCOMBINATIONCOMBINATIONACTIVATIONCOMBINATIONACTIVATI

5、ON年齡收入20人工神經(jīng)網(wǎng)絡(luò)規(guī)則：兩個(gè)以上輸入為1時(shí)，則輸出為121人工神經(jīng)網(wǎng)絡(luò)22人工神經(jīng)網(wǎng)絡(luò)23人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)即調(diào)整神經(jīng)元的權(quán)重24人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用25神經(jīng)網(wǎng)絡(luò)的應(yīng)用案例：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)買額度大額購(gòu)買次數(shù)大額購(gòu)買交易地點(diǎn)良好的交易可能是欺詐性交易輸入層隱藏層輸出層26遺傳算法（Genetic Algorithm：GA） 遺傳算法是一類通過(guò)模擬生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法，由美國(guó)J.Holand教授于1975年首次提出。它是利用某種編碼技術(shù)作用于稱為染色體的二進(jìn)制數(shù)串，其基本思想是模擬由這些串組成的種群的進(jìn)化過(guò)程，通過(guò)有組織地

6、然而是隨機(jī)地信息交換來(lái)重新組合那些適應(yīng)性好的串遺傳算法對(duì)求解問(wèn)題的本身一無(wú)所知，它所需要的僅是對(duì)算法所產(chǎn)生的每個(gè)染色體進(jìn)行評(píng)價(jià)，并根據(jù)適應(yīng)性來(lái)選擇染色體，使適應(yīng)性好的染色體比適應(yīng)性差的染色體有更多的繁殖機(jī)會(huì)。27遺傳操作采用整數(shù)的二進(jìn)制編碼x = 10111表示了16+4+2+1 = 2328初始化種群計(jì)算適應(yīng)度選擇交叉變異停止條件最優(yōu)個(gè)體是否遺傳算法流程圖優(yōu)點(diǎn)：解決非線性最優(yōu)化問(wèn)題可以簡(jiǎn)化復(fù)雜的目標(biāo)函數(shù)以及制約條件最優(yōu)化過(guò)程相對(duì)簡(jiǎn)單缺點(diǎn)：不能很清楚地表示對(duì)那些部分進(jìn)行了遺傳運(yùn)算不能對(duì)數(shù)據(jù)進(jìn)行可視化解釋29TSP問(wèn)題位置編號(hào)X坐標(biāo)Y坐標(biāo)116.4796.1216.4794.44320.0992

7、.54422.3993.37525.2397.2462296.05720.4797.02817.296.29916.397.381014.0598.121116.5397.381221.5295.591319.4197.131420.0992.5530TSP問(wèn)題隨機(jī)路線為：4510111314181276329411710412914813523611187912251411146313108總距離：71.114431TSP問(wèn)題最優(yōu)解路線:54314211091181371265總距離：29.340532大數(shù)據(jù)或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無(wú)法透過(guò)目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)

8、到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。大數(shù)據(jù)更準(zhǔn)確的應(yīng)該叫“大數(shù)據(jù)挖掘”33大數(shù)據(jù)-資料一天之中，互聯(lián)網(wǎng)產(chǎn)生的全部?jī)?nèi)容可以刻滿1.68億張DVD；發(fā)出的郵件有2940億封之多（相當(dāng)于美國(guó)兩年的紙質(zhì)信件數(shù)量）；發(fā)出的社區(qū)帖子達(dá)200萬(wàn)個(gè)（相當(dāng)于時(shí)代雜志770年的文字量）；賣出的手機(jī)為37.8萬(wàn)臺(tái)，高于全球每天出生的嬰兒數(shù)量37.1萬(wàn)截止到2012年，數(shù)據(jù)量已經(jīng)從TB（1024GB=1TB）級(jí)別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB(1024EB=1ZB)級(jí)別。國(guó)際數(shù)據(jù)公司（IDC）的研究結(jié)果表明，2008年全球產(chǎn)生的數(shù)據(jù)量為0.49ZB，2009年的數(shù)據(jù)量為0.8ZB，2010年增長(zhǎng)為1.2ZB，2011年的數(shù)量更是高達(dá)1.82ZB，相當(dāng)于全球每人產(chǎn)生200GB以上的數(shù)據(jù)。而到2012年為止，人類生產(chǎn)的所有印刷材料的數(shù)據(jù)量是200PB，全人類歷史上說(shuō)過(guò)的所有話的數(shù)據(jù)量大約是5EB。IBM的研究稱，整個(gè)人類文明所獲得的全部數(shù)據(jù)中，有90%是過(guò)去兩年內(nèi)產(chǎn)生的。而到了2020年，全世界所產(chǎn)生的數(shù)據(jù)規(guī)模將達(dá)到今天的44倍。34大數(shù)據(jù)-案例你開(kāi)心他就買，你焦慮他就拋華爾街“德溫特資本市場(chǎng)”公司首席執(zhí)行官保羅霍廷每天的工作之一，就是利用電腦程序分析全球3.4