南通經(jīng)濟(jì)師培訓(xùn)班，經(jīng)濟(jì)師一般三門課程都是1000—3000左右的培訓(xùn)費(fèi)。

中級(jí)經(jīng)濟(jì)師《經(jīng)濟(jì)基礎(chǔ)》考點(diǎn)及母題：數(shù)據(jù)挖掘

數(shù)據(jù)挖掘

數(shù)據(jù)挖掘的相關(guān)概念如下：

1.含義：從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱藏在其中但又有潛在價(jià)值的信息和知識(shí)的過程。包含以下幾層含義：

(1)數(shù)據(jù)源必須是真實(shí)的、大量的、有噪聲的。

(2)發(fā)現(xiàn)的是用戶感興趣的知識(shí)。

(3)發(fā)現(xiàn)的知識(shí)是可接受的、可理解、可運(yùn)用的。

(4)并不要求發(fā)現(xiàn)放之四海而皆準(zhǔn)的知識(shí)，只支持特定的發(fā)現(xiàn)問題。

2.出發(fā)點(diǎn)和核心任務(wù)：數(shù)據(jù)挖掘以解決實(shí)際問題為出發(fā)點(diǎn);核心任務(wù)是對(duì)數(shù)據(jù)關(guān)系和特征進(jìn)行探索。

3.類型

(1)指導(dǎo)學(xué)習(xí)或監(jiān)督學(xué)習(xí)

監(jiān)督學(xué)習(xí)是對(duì)目標(biāo)需求的概念進(jìn)行學(xué)習(xí)和建模，通過探索數(shù)據(jù)和建立模型來實(shí)現(xiàn)從觀察變量到目標(biāo)需求的有效解釋。

(2)無指導(dǎo)學(xué)習(xí)或非監(jiān)督學(xué)習(xí)

無監(jiān)督學(xué)習(xí)沒有明確的標(biāo)識(shí)變量來表達(dá)目標(biāo)概念，主要任務(wù)是探索數(shù)據(jù)之間的內(nèi)在聯(lián)系和結(jié)構(gòu)。

4.常用的算法

(1)分類

1)含義：確定目標(biāo)對(duì)象屬于哪個(gè)預(yù)定類別，以實(shí)現(xiàn)對(duì)未來潛在的預(yù)測(cè)需求。分類技術(shù)屬于一種監(jiān)督學(xué)習(xí)，即使用已知類別的訓(xùn)練數(shù)據(jù)建立分類模型的方法。

2)實(shí)際應(yīng)用：在郵件系統(tǒng)中區(qū)分出垃圾郵件，在貸款客戶中判斷出有風(fēng)險(xiǎn)客戶等。

3)常用方法：決策樹分類法、貝葉斯分類法、關(guān)聯(lián)分類法、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等。

(2)聚類分析

1)含義：把一組數(shù)據(jù)按照差異性和相似性分為幾個(gè)類別，使得同類的數(shù)據(jù)相似性盡量大，不同類的數(shù)據(jù)相似性盡可能小，跨類的數(shù)據(jù)關(guān)聯(lián)性盡可能低。聚類是一種無監(jiān)督學(xué)習(xí)。其要?jiǎng)澐值念愂俏粗模垲惙治鍪歉鶕?jù)觀察學(xué)習(xí)來確定數(shù)據(jù)之間的關(guān)系。

2)實(shí)際應(yīng)用：用于客戶細(xì)分、文本歸類、結(jié)構(gòu)分組、行為跟蹤等問題。

3)常用方法：基于劃分的方法、基于分層的方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。

(3)關(guān)聯(lián)分析

1)含義：是對(duì)數(shù)據(jù)集中反復(fù)出現(xiàn)的相關(guān)關(guān)系和關(guān)聯(lián)性進(jìn)行挖掘提取，從而可以根據(jù)一個(gè)數(shù)據(jù)項(xiàng)的出現(xiàn) 預(yù)測(cè)其他數(shù)據(jù)項(xiàng)的出現(xiàn)。

2)實(shí)際應(yīng)用：啤酒尿布案例，數(shù)據(jù)挖掘發(fā)現(xiàn)大型超市中購買啤酒的男士經(jīng)常同時(shí)購買小孩紙尿褲，基于這一發(fā)現(xiàn)，超市把啤酒和紙尿褲擺放在一起，結(jié)果兩種商品的銷售量明顯提升。

3)常用方法：購物籃分析，目的是發(fā)現(xiàn)交易數(shù)據(jù)中不同商品之間的聯(lián)系規(guī)則，讓營(yíng)銷商制定更好的營(yíng)銷策略。

(4)趨勢(shì)與演化分析

趨勢(shì)與演化分析包括數(shù)據(jù)變化趨勢(shì)、序列模式分析、周期性分析以及相似程度分析等內(nèi)容。統(tǒng)計(jì)學(xué)的回歸分析方法經(jīng)常用于這類問題的分析。

【多選題】

下列關(guān)于數(shù)據(jù)挖掘的表述正確的有( )。

A. 數(shù)據(jù)挖掘是指從大量的、完全的、有噪聲的、清晰的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱藏在其中 但又有潛在價(jià)值的信息和知識(shí)的過程

B. 數(shù)據(jù)挖掘以解決實(shí)際問題為出發(fā)點(diǎn)

C. 數(shù)據(jù)挖掘可以分為指導(dǎo)學(xué)習(xí)或監(jiān)督學(xué)習(xí)以及無指導(dǎo)學(xué)習(xí)或非監(jiān)督學(xué)習(xí)兩類

D. 分類技術(shù)屬于一種無監(jiān)督學(xué)習(xí)

E. 在郵件系統(tǒng)中區(qū)分出垃圾郵件數(shù)據(jù)屬于數(shù)據(jù)挖掘中的分類技術(shù)

【答案】BCE

【解析】數(shù)據(jù)挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱藏 在其中但又有潛在價(jià)值的信息和知識(shí)的過程，A 項(xiàng)錯(cuò)誤;分類技術(shù)屬于一種監(jiān)督學(xué)習(xí)，即使用已知類別的 訓(xùn)練數(shù)據(jù)建立分類模型的方法，D 項(xiàng)錯(cuò)誤。

以上就是個(gè)關(guān)于南通經(jīng)濟(jì)師培訓(xùn)班的詳細(xì)介紹，數(shù)豆子將為分享更多經(jīng)濟(jì)師培訓(xùn)相關(guān)內(nèi)容。