深夜福利视频一区二区,亚洲精华国产欧美,亚洲欧美久久久

產品簡介

美林新聞/NEWS

首頁美林數據大數據分析與應用

大話數據挖掘之預測分析

2021-02-23 16:00:53 次

某985高校管理學院第五屆EMBA班的《數據挖掘及其應用》課程上。
這一節要講預測，學員們興趣盎然，早早地來到教室。
徐教授健步走上講臺：“今天我們一起學習數據挖掘的預測方法。”
他的話剛一停頓，就被馬處長打斷了：“徐老師，稅務局的姚局長一直研究周易預測，整天給我們叨叨他料事如神，數據挖掘預測與周易預測有什么不同，哪個更厲害？”
沒有想到課堂上會有人提出這樣的問題，徐教授靈機一動說：“姚局長，那你就先給大家以最精辟的語言介紹一下周易預測吧！”
姚局長站起來，撓著頭：“其實周易預測也是一門科學，馬處長、李部長這些人不懂還妄加評論，老是批判我。徐老師，您給了我機會，我得給周易預測正名！”
姚局長越說越激動，徐教授示意他坐下慢慢說。
“周易是建立在陰陽二元論基礎上，對天地萬物進行性狀歸類（天干地支五行論），精確到可以對事物的未來發展做出較為準確的預測。周易靈驗的預測，千百年來流傳不息，充分證明其具有強大生命力。其實世俗對周易一直存有誤解，比如從迷信的角度去解讀它。歷史上有許多學者為其正名，他們認為周易理論依據的是萬事萬物的相似性、關聯性和全息性原理。這三個原理已被現代科學所證實，希望人人都能理解，千萬不要挖苦諷刺。”姚局長一邊說，一邊向馬處長和李部長投去挑戰的目光。
徐教授發現馬處長準備站起來反擊，急忙以手勢示意他坐下。“其實自古以來，確實有太多的偽周易玷污了科學的周易。姚局長和馬處長實際上都是科學周易陣線的斗士，但你倆卻內訌起來了！”
馬處長馬上反應了過來：“說來也是，姚局長高舉科學周易的大旗，我扛著反擊偽科學周易的旗幟，我們本該就是一家人！”說著，馬處長將手伸向了姚局長。
這時，姚局長又站了起來，大膽地講到：“實際上，我們要辯證的看待周易，要以批判繼承的觀點對待周易。周易在一定程度上揭示和描述了宇宙萬事萬物運動變化發展的內在規律。如果萬事萬物不存在相似性、關聯性和全息性，周易預測就是不可能的。全息性是周易預測所依據的又一重要原理，科學已經證明了全息性的存在。”
李部長也搭上了話：“是的，美國科學家做過這樣的實驗，用一架特制的全息照相機對一顆樹苗進行拍照，拍到了一顆大樹的照片，后來這顆樹苗長大以后正好和這顆大樹的照片相吻合。”
聽到李部長也開始支持他了，姚局長更起勁了：“考古工作者對一顆牙齒進行化驗，得出了古人的身高等許多數據。法醫工作者對一根毛發進行化驗，得出了死者或者罪犯的許多特征。這說明事物的某一局部包含了其整體的信息。這就是現代科技所證實了的全息論。所以其預測的理論根據是科學的，幾千年的實踐檢驗已經證明了這點。”
用余光掃瞄了瞄同排的專注傾聽的學員后，姚局長受到鼓舞，接著說：“可是現在有人硬要把周易預測說成是迷信，那是既不懂周易又不懂科學的表現，是很淺薄的，還有人認為周易很神秘，科學解釋不通，這也是不懂科學的表現。周易本身是科學，古老的周易與現代科學是相通的，是血脈相承的。”
姚部長的一到段話，激起了全班一陣熱烈的掌聲，結束了EMBA班自開學以來對周易的激戰。
徐老師覺得是引進數據挖掘的預測概念的時候了，于是說：“數據挖掘的預測是周易預測的繼承與發展。周易預測首先要了解事物的屬性即狀態信息，在利用以往已經獲得的事物間的相似性和關聯性，對事物的未來狀況作出判斷。實際上這種相似性和關聯性就是對歷史事件的學習而積累的經驗。而數據挖掘預測則是通過對反映了事物輸入與輸出之間的關聯性即內在規律的歷史數據的學習，得到預測模型，再利用該模型對未來數據進行預測的過程。”
馬處長對徐教授所講的內容感到疑惑不解，大聲請求道：“徐老師，您講的太深奧了，能不能再具體地描述描述數據挖掘預測的過程？”
徐教授將PPT翻到新的一頁，說道：“數據挖掘預測的基本原理是黑箱子模型，即將事物輸入與輸出之間的關系不管其多么復雜，均當做一個黑箱子，以往的輸入、輸出數據是這個黑箱子內復雜規律的反映。通過數據挖掘的機器學習方法，建立黑箱子模型來預測未來的輸入數據所對應的輸出數據。”

“慢點慢點，徐老師，什么是機器學習？”馬處長撲捉道了一個新名詞，急忙問道。
徐教授早已預料到有人會問這樣的問題，不緊不慢的說道：“假定事物的輸入、輸出之間存在一種函數關系y=f(x,β),其中是待定參數，y=f(x,β)稱為學習機器。通過數據建模，由歷史輸入輸出數據學習得到參數β，就確定了的具體表達形式y=f(x,β)，于是便可以對新的

預測

了。這樣的過程稱為機器學習。”
“徐老師，我只聽說過數學建模，您剛才提到數據建模是什么意思？”姚部長也提出了一個問題。
“數據建模就是基于數據建立數學模型，它是相對于基于物理、化學和其他專業基本原理建立數學模型即機理建模而言的。對于預測來說，如果所研究的對象有明晰的機理，可以依其進行數學建模，這當然是最好的選擇。但是，我們經常會遇到很多實際問題，如社會學問題、金融問題、復雜工業過程問題和生物醫學問題等等，不好以某種機理來描述，從而無法進行機理建模。如果積累有足夠的歷史數據，這時，數據建模就可大顯身手了。”
受徐教授的啟發，學員們紛紛談論其本行業的情況。
李部長深有感觸地說：“冶金工業是極其復雜的流程化生產過程，各個工序對產品質量都有影響，尤其是產品表觀質量問題如冷軋板重皮、夾雜、側翻和硅鋼縱條紋等缺陷根本無法建立機理模型。不過，冶金生產自動化程度很高，數據積累非常豐富，數據建模提供了良好的基礎。”
李部長的話也引起了馬處長的共鳴：“在我們電力行業，設備狀態及壽命評估、負荷預測、電力暫態穩定性性分析、電力系統規劃等諸多問題都難于進行機理建模，機器學習可以發揮重大作用了。”
鐵路局的高副局長也開了口：“在我們鐵路部門，高鐵的軌道檢測、交通流量預測、鐵路票價制定、調度優化等等，均可以用機器學習的方法解決啦！”
稅務局趙局長也忍不住了：“好啊，稅務稽查也有數據挖掘這把利器了！”
航天研究院的黃主任接著說：“說起機器學習，我這里有個非常典型的實例跟大家分享，就是關于勞動定額的預測。以某飛機零部件生產加工為例，通過分析歷史數據中的加工寬度、加工直徑、加工深度和勞動定額之間的關系，最終建立起各加工尺寸和勞動定額的BP神經網絡回歸預測模型。經過對模型的效果分析評估，我們將此模型固化應用在實際生產中幾個月后，發現此模型預測準確率高達99.21%，幫助企業節省了大量的收集數據的經濟和時間成本。更具現實意義的是，將得到的勞動定額制度在企業的生產中組織貫徹，并采取有關的技術組織措施，如競賽、技術培訓、動作分析、定額考核等，能幫助職工達到和不斷突破現行勞動定額。根據職工完成定額的情況進行分析，管理者亦能發現定額管理中存在的問題加以解決。”
工行的張行長顯得非常平靜，慢條斯理地說：“其實，我們已經開始嘗試利用機器學習的方法進行信用評價、貸款風險評估和反洗錢等工作，希望徐教授和其他學員不吝指教。”
移動公司梁總顯得有點得意，喜形于色地說：“我們公司兩年前就開始應用數據挖掘解決電信業面臨最緊迫的四大問題：市場分群、精確營銷、新業務響應和客戶流失分析等。這四大問題最本質的還是預測問題，我們已經總結出了比較成功的解決方案，有機會邀請徐教授給我們指導指導。”
……
“好的，大家都講了很多了。預測未來趨勢和行為，使得行動目標更具有前瞻性，并作出具有知識驅動的決策，是每一個行業的共同希望，但愿數據挖掘的機器學習方法能使大家以后的工作如虎添翼。”徐教授總結道。
馬處長估計徐教授下面要講具體的機器學習方法了，急忙建議說：“徐老師，機器學習的數學模型和求解算法很多，而且新方法層出不窮，在應用中讓人難以選擇，您就給我們講解一些實用而先進的方法吧。”
徐教授沒有對答馬處長的話，輕輕的點了一下鼠標，幾種典型的機器學習方法在屏幕上躍然而入。

決策樹方法
人工神經網絡
支撐向量機
正則化方法

上一篇：大話數據挖掘之聚類分析（下篇）下一篇：主數據管理是一切工作的起點

日本午夜免费一区二区,亚洲麻豆一区,国产伦精品一区二区三区千人斩,日韩高清电影一区

Tempo大數據分析平臺

Tempo商業智能平臺

Tempo人工智能平臺

Tempo數據工廠平臺

Tempo數據治理平臺

Tempo主數據管理平臺

Tempo指標平臺

自助式可視化分析

算法模型管理

指標管理解決方案

數字指揮中心

湖倉一體解決方案

智能場景應用構建

主數據應用監管

數據中臺

數據資產入表

發電

電網

制造

油氣

煤炭

高校

政企

金融

科研院所

大數據分析師

DAMA認證

美林數據

合作生態

內容中心

幫助中心

美林新聞

行業資訊

產品簡介

Tempo商業智能平臺

Tempo人工智能平臺

Tempo數據工廠平臺

Tempo指標平臺

Tempo數據治理平臺

Tempo主數據管理平臺

相關推薦

美林新聞/NEWS

大話數據挖掘之預測分析

聯系我們

400-608-2558 029-8669-8003

掃碼關注我們

掃碼立即咨詢