電子商務(wù)前沿講座

《電子商務(wù)前沿講座》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、電子商務(wù)前沿講座數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用姓名王穎學(xué)號2008012854班級08級（1）班完成時間2012.12.6第16頁共16頁數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用摘要：隨著Internet的普及，電子商務(wù)的興起，正在改變著人們的商務(wù)理念，經(jīng)銷商和客戶之間通過互聯(lián)網(wǎng)進(jìn)行交易，節(jié)省了大量的費(fèi)用和時間。如何更快更好的利用這一現(xiàn)代交易手段，縮短經(jīng)銷商和客戶之間的距離，這是目前電子商務(wù)亞待解決的問題我們知道，如果能跟蹤客戶在Web上的瀏覽行為并進(jìn)行模式分析，就能很好地解決這一問題。這正是目前數(shù)據(jù)挖掘研究的領(lǐng)域。在在線市場訪問的每一個客戶，都會在它的服務(wù)器上

2、留下日志文件通過對這些日志文件進(jìn)行挖掘，如客戶的訪問行為頻度、內(nèi)容、時間等，提取客戶相關(guān)的知識，展開有針對性的電子商務(wù)行為。關(guān)鍵字：電子商務(wù)；數(shù)據(jù)挖掘；信息處理一，數(shù)據(jù)挖掘概述（一）數(shù)據(jù)挖掘定義（二）數(shù)據(jù)挖掘常用技術(shù)1.人工神經(jīng)網(wǎng)絡(luò)2.決策樹3.遺傳算法4近鄰算法5規(guī)則推導(dǎo)（三）數(shù)據(jù)挖掘研究內(nèi)容和本質(zhì)（四）數(shù)據(jù)挖掘過程二，電子商務(wù)概述（一）電子商務(wù)定義（二）電子商務(wù)分類（三）電子商務(wù)特點(diǎn)三，面向電子商務(wù)的數(shù)據(jù)挖掘（一）面向電子商務(wù)中的數(shù)據(jù)挖掘的數(shù)據(jù)源（二）電子商務(wù)中數(shù)據(jù)挖掘過程（三）電子商務(wù)中數(shù)據(jù)挖掘的技術(shù)支持四，數(shù)據(jù)挖掘案例分析第16頁共16

3、頁一，數(shù)據(jù)挖掘概述（一）數(shù)據(jù)挖掘定義數(shù)據(jù)挖掘--從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，是統(tǒng)計學(xué)、數(shù)據(jù)庫技術(shù)和人工智能技術(shù)的綜合（二）數(shù)據(jù)挖掘常用技術(shù)1.人工神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)近來越來越受到人們的關(guān)注，因為它為解決大復(fù)雜度問題提供了一種相對來說比較有效的簡單方法。神經(jīng)網(wǎng)絡(luò)可以很容易的解決具有上百個參數(shù)的問題（當(dāng)然實(shí)際生物體中存在的神經(jīng)網(wǎng)絡(luò)要比我們這里所說的程序模擬的神經(jīng)網(wǎng)絡(luò)要復(fù)雜的多）。神經(jīng)網(wǎng)絡(luò)常用于兩類問題：分類和回歸。在結(jié)構(gòu)上，可以把一個神經(jīng)網(wǎng)絡(luò)劃分為輸入層、輸出層和隱含層（見圖4）。輸入層的每個節(jié)點(diǎn)對應(yīng)一個個的預(yù)測變量。輸出層的節(jié)點(diǎn)對應(yīng)目標(biāo)變量，可有

4、多個。在輸入層和輸出層之間是隱含層（對神經(jīng)網(wǎng)絡(luò)使用者來說不可見），隱含層的層數(shù)和每層節(jié)點(diǎn)的個數(shù)決定了神經(jīng)網(wǎng)絡(luò)的復(fù)雜度　　除了輸入層的節(jié)點(diǎn)，神經(jīng)網(wǎng)絡(luò)的每個節(jié)點(diǎn)都與很多它前面的節(jié)點(diǎn)（稱為此節(jié)點(diǎn)的輸入節(jié)點(diǎn)）連接在一起，每個連接對應(yīng)一個權(quán)重Wxy，此節(jié)點(diǎn)的值就是通過它所有輸入節(jié)點(diǎn)的值與對應(yīng)連接權(quán)重乘積的和作為一個函數(shù)的輸入而得到，我們把這個函數(shù)稱為活動函數(shù)或擠壓函數(shù)。如圖5中節(jié)點(diǎn)4輸出到節(jié)點(diǎn)6的值可通過如下計算得到：　　W14*節(jié)點(diǎn)1的值+W24*節(jié)點(diǎn)2的值　　神經(jīng)網(wǎng)絡(luò)的每個節(jié)點(diǎn)都可表示成預(yù)測變量（節(jié)點(diǎn)1，2）的值或值的組合（節(jié)點(diǎn)3-6）。注意節(jié)點(diǎn)6的

5、值已經(jīng)不再是節(jié)點(diǎn)1、2的線性組合，因為數(shù)據(jù)在隱含層中傳遞時使用了活動函數(shù)。實(shí)際上如果沒有活動函數(shù)的話，神經(jīng)元網(wǎng)絡(luò)就等價于一個線性回歸函數(shù)，如果此活動函數(shù)是某種特定的非線性函數(shù)，那神經(jīng)網(wǎng)絡(luò)又等價于邏輯回歸。調(diào)整節(jié)點(diǎn)間連接的權(quán)重就是在建立（也稱訓(xùn)練）神經(jīng)網(wǎng)絡(luò)時要做的工作。最早的也是最基本的權(quán)重調(diào)整方法是錯誤回饋法，現(xiàn)在較新的有變化坡度法、類牛頓法、Levenberg-Marquardt法、和遺傳算法等。無論采用那種訓(xùn)練方法，都需要有一些參數(shù)來控制訓(xùn)練的過程，如防止訓(xùn)練過度和控制訓(xùn)練的速度。第16頁共16頁　　決定神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)（或體系結(jié)構(gòu)）的是隱

6、含層及其所含節(jié)點(diǎn)的個數(shù)，以及節(jié)點(diǎn)之間的連接方式。要從頭開始設(shè)計一個神經(jīng)網(wǎng)絡(luò)，必須要決定隱含層和節(jié)點(diǎn)的數(shù)目，活動函數(shù)的形式，以及對權(quán)重做那些限制等，當(dāng)然如果采用成熟軟件工具的話，他會幫你決定這些事情。在諸多類型的神經(jīng)網(wǎng)絡(luò)中，最常用的是前向傳播式神經(jīng)網(wǎng)絡(luò)，也就是我們前面圖示中所描繪的那種。我們下面詳細(xì)討論一下，為討論方便假定只含有一層隱含節(jié)點(diǎn)?！　】梢哉J(rèn)為錯誤回饋式訓(xùn)練法是變化坡度法的簡化，其過程如下：　　前向傳播：數(shù)據(jù)從輸入到輸出的過程是一個從前向后的傳播過程，后一節(jié)點(diǎn)的值通過它前面相連的節(jié)點(diǎn)傳過來，然后把值按照各個連接權(quán)重的大小加權(quán)輸入活動函數(shù)

7、再得到新的值，進(jìn)一步傳播到下一個節(jié)點(diǎn)?！　』仞仯寒?dāng)節(jié)點(diǎn)的輸出值與我們預(yù)期的值不同，也就是發(fā)生錯誤時，神經(jīng)網(wǎng)絡(luò)就要“學(xué)習(xí)”（從錯誤中學(xué)習(xí)）。我們可以把節(jié)點(diǎn)間連接的權(quán)重看成后一節(jié)點(diǎn)對前一節(jié)點(diǎn)的“信任”程度（他自己向下一節(jié)點(diǎn)的輸出更容易受他前面哪個節(jié)點(diǎn)輸入的影響）。學(xué)習(xí)的方法是采用懲罰的方法，過程如下：如果一節(jié)點(diǎn)輸出發(fā)生錯誤，那么他看他的錯誤是受哪個（些）輸入節(jié)點(diǎn)的影響而造成的，是不是他最信任的節(jié)點(diǎn)（權(quán)重最高的節(jié)點(diǎn)）陷害了他（使他出錯），如果是則要降低對他的信任值（降低權(quán)重），懲罰他們，同時升高那些做出正確建議節(jié)點(diǎn)的信任值。對那些收到懲罰的節(jié)點(diǎn)來說，

8、他也需要用同樣的方法來進(jìn)一步懲罰它前面的節(jié)點(diǎn)。就這樣把懲罰一步步向前傳播直到輸入節(jié)點(diǎn)為止?！　τ?xùn)練集中的每一條記錄都要重復(fù)這個步驟，用前向傳播得到輸