數(shù)據(jù)挖掘?qū)W習(xí)匯報

2016/11/15秦華妮五邑大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院關(guān)于數(shù)據(jù)挖掘的學(xué)習(xí)匯報當(dāng)前第1頁\共有32頁\編于星期五\0點一暑期學(xué)習(xí)介紹二數(shù)據(jù)科學(xué)三案例當(dāng)前第2頁\共有32頁\編于星期五\0點1.1課程名稱和主講教師（北京大數(shù)據(jù)研究院暑期學(xué)校）一、暑期學(xué)習(xí)介紹當(dāng)前第3頁\共有32頁\編于星期五\0點1.2專題：fundamentaltechniquesinBigData（李平）當(dāng)前第4頁\共有32頁\編于星期五\0點當(dāng)前第5頁\共有32頁\編于星期五\0點當(dāng)前第6頁\共有32頁\編于星期五\0點當(dāng)前第7頁\共有32頁\編于星期五\0點用數(shù)據(jù)的方法研究科學(xué)的最典型的例子：開普勒的關(guān)于行星運(yùn)動的三大定律二、數(shù)據(jù)科學(xué)開普勒模式與牛頓模式當(dāng)前第8頁\共有32頁\編于星期五\0點2.2從數(shù)學(xué)的角度研究數(shù)據(jù)？數(shù)據(jù)數(shù)據(jù)建模整個數(shù)學(xué)模型相關(guān)性、排序、分類、聚類度量結(jié)構(gòu)網(wǎng)絡(luò)結(jié)構(gòu)代數(shù)結(jié)構(gòu)拓?fù)浣Y(jié)構(gòu)函數(shù)結(jié)構(gòu)表格、點集、時間序列、圖像、視頻、文本等概率分布、隨機(jī)過程、隨機(jī)場、圖模型等算法及實現(xiàn)（數(shù)據(jù)分析的困難）降低算法的復(fù)雜度分布式計算當(dāng)前第9頁\共有32頁\編于星期五\0點數(shù)據(jù)科學(xué)數(shù)學(xué)統(tǒng)計學(xué)行業(yè)知識機(jī)器學(xué)習(xí)物聯(lián)網(wǎng)云計算數(shù)據(jù)挖掘2.3數(shù)據(jù)挖掘的綜合技能當(dāng)前第10頁\共有32頁\編于星期五\0點數(shù)學(xué)的基礎(chǔ)知識計算機(jī)科學(xué)的基礎(chǔ)知識算法方面的基本知識數(shù)據(jù)的模型專業(yè)課程其它專業(yè)課程微積分計算機(jī)語言數(shù)值代數(shù)回歸圖像處理生物信息學(xué)線性代數(shù)數(shù)據(jù)庫函數(shù)逼近分類時間序列分析天體信息學(xué)概率論數(shù)據(jù)結(jié)構(gòu)優(yōu)化理論聚類視頻處理金融數(shù)據(jù)分析可視化技術(shù)蒙特卡洛方法參數(shù)估計自然語言處理網(wǎng)絡(luò)算法文本處理計算幾何語音識別推薦系統(tǒng)另外，隨機(jī)過程、函數(shù)逼近論、圖論、拓?fù)鋵W(xué)、幾何、變分法、群論的基礎(chǔ)知識。

數(shù)學(xué)系不需要一門一門的開設(shè)，而是可以開設(shè)一些新的“高等數(shù)學(xué)”課程來覆蓋這些方面的內(nèi)容2.4北大數(shù)據(jù)科學(xué)專業(yè)的探索當(dāng)前第11頁\共有32頁\編于星期五\0點2.5數(shù)據(jù)挖掘的10個重要算法（1）K均值（K-means）方法（2）支持向量機(jī)（SVM）方法（3）期望最大化（EM）算法

（4）網(wǎng)頁排序算法（PageRank）（5）貝葉斯方法（6）K近鄰方法（7）AdaBoost（8）決策樹算法（9）關(guān)聯(lián)規(guī)則Apriori算法（10）協(xié)同過濾方法（CollaborativeFiltering）其他數(shù)據(jù)分析過程中常用的方法還有：降維（主成分分析、線性判別分析）、隨機(jī)森林、Bagging方法、序列標(biāo)注模型（隱馬模型、條件隨機(jī)場）、EM和高斯混合模型(2006年IEEE國際挖掘會議選出)當(dāng)前第12頁\共有32頁\編于星期五\0點2.6數(shù)據(jù)挖掘的一般過程：數(shù)據(jù)清洗數(shù)據(jù)集成數(shù)據(jù)變換數(shù)據(jù)規(guī)約分類與預(yù)測聚類分析關(guān)聯(lián)規(guī)則時序模型預(yù)測正確率模型解釋性數(shù)據(jù)預(yù)處理數(shù)據(jù)模型訓(xùn)練模型性能評估當(dāng)前第13頁\共有32頁\編于星期五\0點三、案例案例1、

智慧餐飲案例2

、中醫(yī)輔助決策案例3、商圈分析當(dāng)前第14頁\共有32頁\編于星期五\0點餐飲企業(yè)的信息化管理（傳統(tǒng)部分）：（1）客戶關(guān)系管理（2）前廳管理系統(tǒng)（3）后廚管理系統(tǒng)（4）財務(wù)管理系統(tǒng)（5）物資管理系統(tǒng)

餐飲企業(yè)的數(shù)據(jù)挖掘（創(chuàng)新部分）：菜品智能推薦、客戶價值分析、新店選點優(yōu)化、熱銷/滯銷菜品分析銷量趨勢預(yù)測案例1、智慧餐飲當(dāng)前第15頁\共有32頁\編于星期五\0點餐飲企業(yè)某一個月菜品的銷售數(shù)據(jù)如下：當(dāng)前第16頁\共有32頁\編于星期五\0點（1）銷售數(shù)據(jù)的帕累托柱狀圖：分析可知：暢銷菜:A1,A2,A3；滯銷菜:A8,A9,A10；并且，A1~A7占菜品份額的70%，但是總盈利占月盈利額的85.0033%，可以增加投入。當(dāng)前第17頁\共有32頁\編于星期五\0點結(jié)果第一行解釋為：客戶同時點e與a的概率時30%，而點了e必點a的概率是100%.

餐飲企業(yè)某段時間的點餐清單：（2）根據(jù)Apriori算法，可得如下規(guī)則：當(dāng)前第18頁\共有32頁\編于星期五\0點消費行為特征數(shù)據(jù)如下：（3）消費客戶群的價值分析：當(dāng)前第19頁\共有32頁\編于星期五\0點客戶群體1的R、F、M的概率密度函數(shù)圖：客戶群體1特點：R間隔相對較小，主要集中在0~30天；消費次數(shù)集中在10~25次，消費金額在500~2000元當(dāng)前第20頁\共有32頁\編于星期五\0點客戶群體2的R、F、M的概率密度函數(shù)圖：客戶群體2特點：R間隔相對較小，主要集中在0~30天；消費次數(shù)集中在0~12次，消費金額在0~1800元當(dāng)前第21頁\共有32頁\編于星期五\0點客戶群體3的R、F、M的概率密度函數(shù)圖：客戶群體3特點：R間隔相對較大，主要集中在30~80天；消費次數(shù)集中在0~15次，消費金額在0~2000元當(dāng)前第22頁\共有32頁\編于星期五\0點客戶價值分析如下：智慧營銷策略：客戶群體1：資源優(yōu)先保持，差異化管理，提高這類客戶的忠誠度與滿意度，盡可能延長這類客戶的高水平消費；

客戶群體2：加強(qiáng)促銷手段，加強(qiáng)滿意度，提高他們轉(zhuǎn)向競爭對手的轉(zhuǎn)移成本，逐漸使其成為忠誠客戶；

客戶群體3：采取一定的營銷手段，重點聯(lián)系，爭取延長客戶的生命周期?？蛻羧后w1：高消費、高價值人群；客戶群體2：一般客戶人群；客戶群體3：價值較低的客戶群體。當(dāng)前第23頁\共有32頁\編于星期五\0點采用TSNE數(shù)據(jù)降維將數(shù)據(jù)進(jìn)行可視化其中紅色代表客戶群體1，綠色代表客戶群體2，藍(lán)色代表客戶群體3當(dāng)前第24頁\共有32頁\編于星期五\0點案例2、中醫(yī)輔助決策肝氣郁結(jié)證型系數(shù)熱毒蘊(yùn)結(jié)證型系數(shù)沖任失調(diào)證型系數(shù)氣血兩虛證型系數(shù)脾胃虛弱證型系數(shù)肝腎陰虛證型系數(shù)0.1750.6820.1710.5350.4190.4470.30.7730.2930.3720.4420.132………………………………0.10.0910.2930.2790.1630.395證型系數(shù)=各證型得分/各證型總分患者編號肝氣郁結(jié)熱毒蘊(yùn)結(jié)沖任失調(diào)氣血兩虛脾胃虛弱肝腎陰虛TMT分期0017307231817H400212341216195H4…………………………………………930441212715H4當(dāng)前第25頁\共有32頁\編于星期五\0點模型構(gòu)建：1.中醫(yī)證型關(guān)聯(lián)規(guī)則模型（1）設(shè)置參數(shù)：最小支持度、最小置信度，讀入數(shù)據(jù)（2）以關(guān)聯(lián)規(guī)則算法對建模數(shù)據(jù)進(jìn)行分析，調(diào)參運(yùn)行結(jié)果：當(dāng)前第26頁\共有32頁\編于星期五\0點2.模型分析XX=>Y規(guī)則編號范圍標(biāo)識1范圍表示2支持度（%）置信度（%）1A3F47.8587.962C3F47.5387.53B2F46.2479.45結(jié)果分析：（1）說明肝氣郁結(jié)證型系數(shù)處于（0.258，0.35]，肝腎陰虛證型系數(shù)處于（0.353，0.607]范圍內(nèi)，TMT診斷為H4的可能性為87.96%，這種情況發(fā)生的可能性為7.85%（2）C3、F4=>H4支持度為7.53%，置信度為87.5%，分析類似（3）B2、F4=>H4支持度為6.24%，置信度為79.45%，分析類似當(dāng)前第27頁\共有32頁\編于星期五\0點案例3、基于移動通信基站定位數(shù)據(jù)的商圈分析基站小區(qū)為六邊形歷史定位數(shù)據(jù)整理得到樣本數(shù)據(jù):當(dāng)前第28頁\共有32頁\編于星期五\0點譜系聚類圖：可將數(shù)據(jù)分成3類，即三個商圈當(dāng)前第29頁\共有32頁\編于星期五\0點商圈類別1分析：工作日人均停留的