数据挖掘技术在经济统计中的应用探索

目前,经济统计数据的特点是经济统计数据库的数据庞大而且数据质量问题突出.传统的统计数据处理方式还是停留在统计报表层面,没有智能性地深层次地分析处理,以至于数据闯的潜在关系和规则未被发现和利用,并且有部分虚假数据未能识别出来,使得这些经济统计的原始数据对于管理决策支持有限.文章提出将数据挖掘应用于经济统计系统中,并对数据挖掘如何在经济统计中应用作了初步探索,可为经济决策提供支持.     

基于粗糙集的客户分类方法

1相关理论1.1数据挖掘(Data M ining)技术数据挖掘是从数据当中发现趋势或模式的过程。这一过程的目标就是通过对大量数据的分类而发现新的信息。人们通过数据挖掘得到的回报就是将这些新发现的知识转变为经营上的成果,如增加销售收入或者减少销售成本。数据挖掘是最近几年才发     

马克威分析系统介绍(四)——数据挖掘

数据挖掘简介1.数据挖掘的由来在信息化飞速发展的今天,海量的数据充斥着我们的电脑、网络和生活。政府部门、科研部门和企业都投入大量资源去搜集信息和存储数据,然而其中只有一小部分被利用到,因为在多数情况下,我们获得的数据要么过于庞大,难以管理;要么结构过于复杂,难以有效分析。我们已经陷入了“数据丰富,信息贫乏”的尴尬境地。对大型的、复杂的、信息丰富的数据集的理解,是所有的商业、科学、工程领域的共同需要。想要从巨大的数据原料中开采出宝贵的知识矿藏,就要使用数据挖掘(DataMining)这一能工利器。系统的数据挖掘工具因此…     

保险业的数据挖掘应用

数据挖掘是利用统计与人工智能的算法,从庞大的企业历史数据中,找出隐藏的规律并建立精确的模型以预测未来,为有效的市场行销以及客户关系管理提供决策支持的一类方法。数据挖掘自形成概念以来,已经在银行业、保险业、零售业、电信业、直销行销、制造业、电子商务等领域有广泛的应用。本文将介绍数据挖掘在保险业中的应用案例。数据挖掘在保险业中的特有的应用可以表现在以下几个方面:医疗保险欺诈与滥用、车险欺诈分析、续保率维持、既有客户交叉销售、保单电话销售、保单电子邮件销售等,随着数据挖掘应用的发展,包括产品设计与定价、准备…     

基于BP神经网络的大学生素质综合测评

一、引言 　　数据挖掘(Data Mining)是数据库中知识发现的核心,在近年来逐渐兴起,形成了一种全新的应用领域.数据挖掘是从大量的、有噪声的、随机的数据中,识别有效的、新颖的、有潜在应用价值及完全可理解模式的非凡过程,从而对科学研究、商业决策和企业管理提供帮助.神经网络是模拟人脑内部结构,在模拟推理、自动学习等方面接近人脑的自组织和并行处理的数学模型.其优点之一是,不依赖于对象.通过学习将输入、输出以权值的方式编码,把它们联系起来.神经网络在数据挖掘中的优势是:噪声数据的强承受能力,对数据分类的高准确性,以及可用各种算法进行规则提取.……     

数据挖掘的聚类方法

聚类是数据挖掘领域中的一个重要研究课题.本文介绍了数据挖掘领域中对聚类分析的典型要求、主要规则及数据挖掘领域中的聚类的有效性衡量.     

数据挖掘及其在官方统计中的应用前景

数据挖掘是处理大型数据集的信息处理方式,在官方统计中存在大量的大型数据集,加上官方统计机构对数据质量的要求,使得在官方统计中应用数据挖掘具有广阔的前景。     

数据挖掘与商业智能的现况及未来发展

随着商业数据量的快速增加,能够帮助企业从数据中寻找决策支持的工具越来越受到重视.在统计学等多学科支撑下,数据挖掘与商业智能将发挥越来越重要的作用.     

粗糙集理论与决策树相结合的规则提取方法

一、问题的提出关联规则挖掘是通过对已知数据的学习找出其中存在有意义依赖关系,它可以用来进行预测决策和分类,因此是机器学习领域集中解决的问题。数据挖掘中的问题与机器学习主要区别在于:数据挖掘中要处理大量的数据,因此要求学习的效率很高;另外数据挖掘获得的规则或模式     

基于量体数据挖据的服装投产号型决策

数据挖掘技术是近年来逐步成熟并得到广泛研究和应用的数学分析技术,运用该技术能透过纷杂的数据现象分析得到事物的本质描述,辅助人们发现知识、认识新的事物规律,因此具有用来研究分析服装企业生产过程形成的近百万条人体量体数据、销售数据的可能性.     

数据挖掘技术和信用风险管理

一、数据挖掘的定义 数据挖掘就是利用人工智能、统计分析以及其它建模方法,从大量不完全的、随机的数据中寻找数据之间的关系和有用的信息.数据挖掘在营销、金融等行业的重要性已经被认识,所以企业一般都建立自己的数据库即客户关系系统(CRM),这为数据挖掘的发展提供了基础.需要指出的是:数据挖掘并不仅仅是技术和算法的组合,它其实更像过程,这个过程的目的在于解决具体的问题或做具体的决策.     

基于聚类关联规则的缺失数据处理研究

 本文提出了基于聚类和关联规则的缺失数据处理新方法,通过聚类方法将含有缺失数据的数据集相近的记录归到一类,然后利用改进后的关联规则方法对各子数据集挖掘变量间的关联性,并利用这种关联性来填补缺失数据。通过实例分析,发现该方法对缺失数据处理,尤其是海量数据集具有较好的效果。     

数据挖掘的方法、流程及应用

数据挖掘是一种新兴的信息处理技术,其主要特点是对数据仓库中的大量业务数据进行抽取、转换、分析和建模工作以获取辅助决策的关键信息。目前数据挖掘在众多领域都得到应用,给各行业带来了实际收益。比如在保险业,通过数据挖掘可以建诈欺诈侦测模型,降低企业成本,在金融业可以协助企业建立交易规则,增加企业把握市场的能力等。为满足读者要求,使实务工作者掌握这一新兴数据分析技术,本刊将与中国人民大学数据挖掘中心合作,连续刊登相关文章对数据挖掘进行介绍,欢迎有共同志向的读者投稿。     

数据挖掘技术在浙江省经济统计中的应用

目前经济统计数据的特点是经济统计数据库的数据庞大而且数据质量突出,传统的统计数据处理方式还是停留在见到的统计报表,缺少智能性的深层次的分析处理,以至于数据间的潜在关系和规则未被发现和利用,并且有部分虚假数据未能识别出来。本文提出了将数据挖掘应用于浙江省经济统计中,并对数据挖掘如何在浙江省经济统计中应用作了初步探索,为经济决策提供有力的支持。     

数据挖掘技术在保险客户理赔分析中的应用

利用数据挖掘技术对海量保险业务数据进行风险分析,通过交叉频数分析确定保单中风险较大的因素,为管理决策提供依据;将决策树、支持向量机、逻辑斯蒂回归和贝叶斯网络四种数据挖掘算法用于保户分类,提取高风险保户的潜在特征,挖掘理赔概率较高的保户群,以指导保险公司的营销工作。     

基于Apriori算法的关联规则数据挖掘研究

关联规则挖掘是数据挖掘中重要的研究课题,Apriori算法是关联规则挖掘的最有影响的算法。针对Apriori算法中频繁项集产生效率低和产生无用规则、丢失有用规则两个核心问题,文章给出了分辨矩阵、分辨向量、兴趣度、含负属性项关联规则并提出了改进的Apriori算法。该算法能有效提高频繁集的产生效率和产生更为合理的关联规则。     

联机分析处理在零售企业销售业绩评估中的应用

文章将联机分析处理技术应用于零售企业销售业绩评估中,结合实例运用面向对象的方法建立了企业模型,明确了企业销售业绩分析的业务需求,在此基础上构建了销售分析数据立方体.利用基于数据仓库的联机分析处理与MDX技术帮助决策者对企业销售数据进行多角度分析,从而为零售企业的经营分析提供决策支持.     

基于顾客终身价值视角的顾客口碑推荐价值的实证

口碑推荐在帮助企业降低顾客感知风险并以较低成本宣传企业产品方面有无可替代的优势.国内学者对口碑推荐的形成机理和激励机制的研究较多,但对顾客口碑价值(CRV)的测量及其与顾客终身价值(CLV)的关系的实证分析还不充分.通过实证数据研究CRV与CLV的关系,可以构建一种顾客价值细分模型,通过设计适当的口碑推荐计划,并辅之以相应的交叉销售和向上销售方法,实现顾客总体价值的提升.     

基于数据挖掘的洗钱交易识别研究

随着经济全球化步伐的不断加快,洗钱犯罪日益成为世界性公害.文章通过分析海量金融交易信息,甄别可疑金融交易进而发现洗钱线索,成为反洗钱的研究重点.面对复杂多变的交易情形,通过对金融交易信息的层次分析,针对性的选择数据挖掘方法予以识别,进而借助概率统计规则将每一类可疑金融交易数据挖掘方法得出的可疑线索进行归纳分析,得到交易记录的整体可疑度,为洗钱交易识别提供准确线索,最后通过真实交易数据验证了该方法的可行性和有效性.     

基于统计数据的OLAP数据挖掘技术

一、概述数据挖掘是 90年代中后期兴起的一门跨学科的综合研究领域 ,它集计算机机器学习、统计学、数据库管理、数据仓库、可视化、并行计算、决策支持为一体 ,利用数据库、数据仓库技术存储和管理数据 ,利用机器学习和统计学方法分析数据 ,旨在发现大量复杂数据中蕴含的有价值的知识和信息。目前 ,随着数据挖掘应用的不断开展以及客观现实对数据分析需求的不断增长 ,人们越来越认识到数据挖掘的重要性和必要性。数据挖掘通过对数据的总结、分类、聚类、关联等分析 ,实现对数据内在结构特征的理解和对未知数据的预测。其中 ,数据总结是在数…