1 / 12

Сценарии интеллектуального анализа

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.

Download Presentation

Сценарии интеллектуального анализа

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Сценарии интеллектуального анализа

  2. Предсказываемые данные Тренировочные данные Модель DM Engine DM Engine Модель Модель Процесс интеллектуального анализа Данные с пред-сказаниями

  3. Интеллектуальный анализ данных с использованием Data Mining Add-ins Размещение Результаты База данных Analysis Services Data Mining Add-ins

  4. BIDS Excel Visio SSMS Excel/Visio/SSRS/Your App OLE DB/ADOMD/XMLA/AMO App Data Развер-тывание Data Source Серверная архитектура DM Analysis Services Server Mining Model Data Mining Algorithm

  5. Алгоритмы интеллектуального анализа данных

  6. 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

  7. Используется для: Классификации Ассоциациис несколькими предсказываемыми атрибутами Предполагает, что все входные данные независимы Простой механизм классификации, основанный на вероятности выполнения условий Требует меньшего количества вычислений Упрощенный алгоритм Байеса (Microsoft Naïve Bayes)

  8. Алгоритмы линейной и логистической регрессии Линейная регрессия • Находит лучшую прямую через набор точек Логистическая регрессия • Находит кривую путем применения логистического преобразования Используются для предсказательного анализа (определения отношений между числовыми атрибутами)

  9. Алгоритм кластеризации(Clustering) • Применим к: • Сегментации: группировка клиентов, маркетинговая рассылка предложений • Также: классификацияирегрессия • Обнаружение аномалий • Дискретные и непрерывные атрибуты • Замечания: • Атрибуты «Predict Only»нельзя использовать

  10. ClusteringОбнаружение аномалий Возраст Женщина Мужчина Сын Дочь Родитель

  11. Алгоритм нейронной сети (Neural Network) • Применим к: • Классификациии • Регрессии • Хорош для нахождения сложных взаимосвязеймежду атрибутами • Но сложно интерпретировать результаты Output Layer Loyalty Hidden Layers Input Layer Age Education Sex Income

  12. Алгоритм взаимосвязей(Association Rules) • Используйте для анализа: • Анализа рыночной корзины • Кросс-продаж и рекомендаций • Находит часто встречающиеся наборы элементов и связей • Чувствителен к параметрам

More Related