sas 应用sas_em进行数据挖掘

《sas 应用sas_em进行数据挖掘》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、应用SAS/EM进行数据挖掘2003-04-16赛仕软件研究所（上海）有限公司Copyright©2003,SASInstituteInc.Allrightsreserved.议程数据挖掘概述SAS数据挖掘项目方法论及工具SAS/EM简介WorkshopCopyright©2003,SASInstituteInc.Allrightsreserved.企业决策支持信息系统PowerPlayFileEditDataValuesDisplayTextLocation1992AllProductsAgegroupsRevenue($000)

2、Legend1stQtr2ndQtr3rdQtr4thQtr查询报表OLAP统计分析OLTP数据仓库数据挖掘决策支持企业知识DWDM&ApplicationCBISolutionAnalysisforC/S&B/SSolutionSolutionCopyright©2003,SASInstituteInc.Allrightsreserved.什么是数据挖掘？定义：从海量的数据库中选择、探索、识别出有效的、新颖的、具有潜在效用的乃至最终可理解的模式以获取商业利益的非平凡的过程-Fayyad，Piatetsky-Shapiro特征：•处理海量

3、的数据；•揭示企业运作中的内在规律；•为企业运作提供直接决策分析，并为企业带来巨大经济效益。Copyright©2003,SASInstituteInc.Allrightsreserved.数据挖掘全过程解释评价数据挖掘数据变换数据预处理知识数据抽取模式变换后数据处理后数据待分析数据数据仓库Source:”FromDataMiningtoKnowledgeDiscovery:AnOverview”,AdvancesinKnowledgeDiscoveryandDataMining,AAAIPress/TheMITPress.Copyrig

4、ht©2003,SASInstituteInc.Allrightsreserved.数据挖掘涉及领域统计学模式神经计算识别机器学习数据挖掘人工智能数据库知识发现Copyright©2003,SASInstituteInc.Allrightsreserved.数据挖掘算法（按有无目标变量）有监督算法无监督算法(有目标变量)(无目标变量)传统回归无预测神经网络决策树分类逻辑/概率回归决策树聚类神经网络神经网络判别分析基于记忆的推理探索决策树主成分分析聚类关联关联/序列分析连接分析因子分析Copyright©2003,SASInstituteI

5、nc.Allrightsreserved.数据挖掘算法（按分析目的）①预测用过去的数据预测未来发生什么预测算法-神经元网络预测未来历史数据-决策树发生的可能性-回归②描述用过去的数据描述现在发生了什么描述算法描述现在-聚类历史数据已经发生的规律-关联Copyright©2003,SASInstituteInc.Allrightsreserved.数据挖掘算法回归算法：线性回归、逻辑回归、概率回归统计方法：主成分分析、因子分析、判别分析等关联算法：关联模式、序列模式、连接分析等聚类算法：Cluster、SOM/Kohonen神经元

6、网络：MLP、RBF决策树：CHAID、CART、C4.5、C5.0Copyright©2003,SASInstituteInc.Allrightsreserved.数据挖掘常用算法①预测型–回归希望预测“绿点”在哪些情况下发生以及发生的概率使用简单线性使用一元二次项1.01.00.80.8x20.6x20.60.40.40.20.20.00.00.20.40.60.81.00.0x0.00.20.40.60.81.01x1Copyright©2003,SASInstituteInc.Allrightsreserved.数据挖掘常用算法

7、①预测型–决策树希望预测“绿点”在哪些情况下发生以及发生的概率QuotedpriceLowerlimitprice(ratio)time<100.8ratio<.390.6ratio<841030.459%Time<130.2yesno967091011131563%0%TimeCopyright©2003,SASInstituteInc.Allrightsreserved.数据挖掘常用算法①预测型–神经元网络希望预测“绿点”在哪些情况下发生以及发生的概率Y1=f1(x).timemethod#oforderY2=f2(x).ratio#

8、ofordereditemsY=f1(x)+f2(x)+f3(x)Y3=f3(x).Copyright©2003,SASInstituteInc.Allrightsreserved.数据挖掘常