Upload
samuel-pitts
View
49
Download
5
Embed Size (px)
DESCRIPTION
Сценарии интеллектуального анализа. Предсказываемые данные. Тренировочные данные. Модель. DM Engine. DM Engine. Модель. Модель. Процесс интеллектуального анализа. Данные с пред- сказаниями. Интеллектуальный анализ данных с использованием Data Mining Add-ins. Размещение. Результаты. - PowerPoint PPT Presentation
Citation preview
Сценарии интеллектуального анализа
Поиск прибыльных
клиентов
Потребности клиентов
Упреждение смены клиентов
(анализ лояльности)
Предсказание продаж
Модель
Процесс интеллектуального анализа
DM EngineDM Engine
Тренировочные данные
Предсказываемые данныеМодель
Данные с пред-сказаниями
Модель
Интеллектуальный анализ данных с использованием Data Mining Add-ins
Analysis Services
База данных
Data Mining Add-ins
Размещение
Результаты
Analysis ServicesServer
Mining Model
Data Mining Algorithm DataSource
Серверная архитектура DMExcel/Visio/SSRS/Your App
OLE DB/ADOMD/XMLA/AMO
Развер-тывание
BIDSExcelVisioSSMS
AppData
Алгоритмы интеллектуального анализа данных
Decision Trees
Association Rules Clustering
Naïve Bayes Sequence Clustering Time Series
Neural Nets Linear Regression
Logistic Regression
Алгоритм дерева принятия решений(Decision Trees)• Используйте для:
− Классификации: анализ рисков и перехода клиентов
− Регрессии: предсказание прибыли или дохода
− Анализа ассоциаций, основанного на предсказании нескольких переменных
• Строит одно дерево для каждого предсказываемого атрибута
• Быстрый
Упрощенный алгоритм Байеса (Microsoft Naïve Bayes)
• Используется для:− Классификации− Ассоциации с несколькими
предсказываемыми атрибутами
• Предполагает, что все входные данные независимы
• Простой механизм классификации, основанный на вероятности выполнения условий
• Требует меньшего количества вычислений
Алгоритмы линейной и логистической регрессииЛинейная регрессия• Находит лучшую прямую через
набор точек
Логистическая регрессия• Находит кривую путем
применения логистического преобразования
Используются для предсказательного анализа (определения отношений между числовыми атрибутами)
Алгоритм кластеризации(Clustering)
• Применим к:• Сегментации: группировка
клиентов, маркетинговая рассылка предложений
• Также: классификация и регрессия
• Обнаружение аномалий• Дискретные и
непрерывные атрибуты• Замечания:
• Атрибуты «Predict Only» нельзя использовать
ClusteringОбнаружение аномалий
Мужчина Женщина
Сын
Дочь
Родитель
Воз
раст
• Применим к:− Классификациии− Регрессии
• Хорош для нахождения сложных взаимосвязей между атрибутами− Но сложно
интерпретировать результаты
Алгоритм нейронной сети (Neural Network)
Age Education Sex Income
Input Layer
Hidden Layers
Output Layer
Loyalty
Алгоритм взаимосвязей(Association Rules)
• Используйте для анализа:− Анализа рыночной корзины− Кросс-продаж и рекомендаций
• Находит часто встречающиеся наборы элементов и связей
• Чувствителен к параметрам