1数据建模方法概述pdf

112017/6/15数据建模方法简介2017年06月01日222017/6/15大纲数据拟合与回归方法31数据建模方法概述预测方法3332综合评价与权重确定方法34人工智能建模35结论36332017/6/151.数据建模方法概述§1.1意义§1.2学习动机§1.3内容框架§1.4数据建模方法是什么§1.5数据建模方法的应用步骤442017/6/151.数据建模方法概述1.意义：信息技术的发展导致大量数据的产生。为了处理大数据信息，需要引入数据建模的方法，对数据进行分析和处理，从数据资源中获取有价值的指导信息，为企业的科学决策提供信息化支持。2.学习动机：为把握信息化的时代发展趋势，企业的核心技术人员需要认知和掌握一定的数据建模方法，提升自身业务能力，促进企业信息化发展。3.内容框架：主要讲解了常见的数据建模方法的原理和适用条件，内容包括数据拟合与回归方法、预测方法、综合评价与权重确定方法、人工智能建模方法。为了便于理解和应用，给出实际案例进行分析。第一章介绍了数据建模方法的学习价值和应用步骤。第六章进行内容总结和软件工具介绍。55§2.5主成分分析§2.5.1主成分分析基本原理§2.5.2主成分的有关性质§2.5.3主成分在数据压缩中的作用§2.5.4主成分在线性回归中的作用§2.6因子分析方法§2.6.1因子分析的主要目的§2.6.2因子模型§2.6.3基于主成分的因子分析2017/6/151.数据建模方法概述3.内容框架：第二章介绍数据拟合与回归方法，包括黑箱建模方法、最小二乘法原理、线性和非线性回归、主成分分析、因子分析方法。§2数据拟合与回归方法§2.1黑箱建模方法§2.2最小二乘法§2.3线性回归§2.3.1一元线性回归§2.3.2多元线性回归§2.4非线性回归§2.4.1一元非线性回归§2.4.2多元非线性回归66§3预测方法§3.1移动平均法§3.1.1简单移动平均法§3.1.2移动平均法§3.2指数平滑法§3.2.1一次指数平滑法§3.2.2二次指数平滑法§3.2.3三次指数平滑法2017/6/151.数据建模方法概述3.内容框架：第三章介绍预测方法，结合案例讲解移动平均法和指数平滑法，介绍了ARMA模型、灰色预测法、组合预测法。§3.3ARMA模型§3.4灰色预测法§3.5组合预测法77§4综合评价方法§4.1综合评价与权重确定§4.1.1问题与实例§4.1.2Saaty提出的AHP方法§4.1.3一致性检验§4.1.4AHP方法的后续发展§4.2AHP应用方法总结2017/6/151.数据建模方法概述3.内容框架：第四章介绍综合评价方法，总结了AHP方法与权重确定原理。88§5人工智能建模方法§5.1聚类分析方法§5.1.1聚类问题描述§5.1.2K-均值聚类方法§5.1.3系统聚类方法§5.2决策树§5.2.1决策分析§5.2.2风险性决策§5.2.3ID3算法2017/6/151.数据建模方法概述3.内容框架：第五章介绍人工智能建模方法，包括聚类分析方法、决策树、人工智能网络，介绍Matlab数据分析使用方法，介绍统计软件R。§5.2.4C4.5算法§5.2.4CART算法§5.2.5决策树剪枝§5.2.6随机森林§5.3支持向量机§5.4人工神经网络§5.5贝叶斯网络§5.6Matlab数据分析使用方法§5.7统计软件R介绍992017/6/151.数据建模方法概述4.数据建模方法是什么从实际的信息数据中寻求所需要的问题答案的方法和手段。需要分析研究对象的状态和特征，并作出评价和决策；预测研究对象未来的变化状况和趋势，为科学决策提供依据。注意，数据建模方法是一种信息分析的方法，而不是一种可以不偏不倚照此办理就可以得到预期结果的“万能药”。5.数据建模方法的应用步骤1、明确问题2、设置目标，建立评价准则3、生成方案4、把方案建模5、对方案进行评价6、选择一个方案7、规划实施10102017/6/151.数据建模方法概述5.数据建模方法的应用步骤1）明确问题、确立目标明确问题是首要任务确立目标：总目标下有分目标，有多目标。（1）确立目标时，考虑建立指标体系。（2）确立目标时，要考虑系统的约束。（3）符合约束条件的目标或方案，叫做可行目标或可行方案。可行性问题是数据建模分析中的关键问题。11112017/6/151.数据建模方法概述5.数据建模方法的应用步骤2）方案的生成与未来环境预测（1）对方案的要求包括：方案具有稳健性，可靠性，完整性，灵活性。不允许一个方案是另一个方案的一部分。（2）未来环境预测：对方案在未来环境下产生的后果进行分析比较预测方法：定性预测，定量预测。定量预测：给出数量指标，需要历史统计数据，且假设平稳发展。（1）因果关系分析法：一元线性回归法，多元线性回归，非线性回归法（2）时间序列分析法：短期预测，如移动平均、指数平滑、ARIMA（自回归移动平均模型）定性预测：复杂情况及变化很难定量描述。（1）专家预测法：利用专家经验（2）德尔菲法：带反馈的函询调查法，一轮轮征求意见12122017/6/151.数据建模方法概述5.数据建模方法的应用步骤3）建模、分析与优化A、模型的分类（一）按模型的本质具体模型：也称物理模型。如：船、飞机等抽象模型：也称数学模型。用数学公式、图形、计算机程序来抽象描述系统某一方面属性。可细分为确定型模型、概率型模型、模糊型模型。（二）按模型描述的内容结构模型：系统中要素之间联系，是一种结构关系。（功能上，未必实体上）数量模型：反映变量间的数量关系。可细分为连续模型、离散模型。（三）按系统所处状态静态模型：系统相对时间来说是静止状态动态模型：描述系统的运动动态。13132017/6/151.数据建模方法概述5.数据建模方法的应用步骤3）建模、分析与优化B、模型的基本要素及其关系基本要素：变量、参量、常量变量：输入变量、输出变量、状态变量、控制变量（决策变量）关系：由物理性质、工艺机理、运动规律建立如：F=maC、建模中对模型的要求能反映原系统在某方面的基本属性（抓主要因素）简洁、易于分析计算与其他模型易于衔接，模型的详尽程度与数据来源、数据精度能够匹配。14142017/6/151.数据建模方法概述5.数据建模方法的应用步骤3）建模、分析与优化D、建模过程（1）明确系统的目的与功能（2）选择变量与参量（3）建立粗模型（4）将系统划分成子系统（5）建立子系统模型（6）建立衔接与关联部分模型（7）归纳并建立系统总体的细模型15152017/6/151.数据建模方法概述5.数据建模方法的应用步骤3）建模、分析与优化E、模型分析手算、机算、仿真F、优化希望一个或几个指标达到最优值。按目标函数个数分为：（1）单目标优化（2）多目标优化按随机变量取值方式分为：（1）连续优化（2）离散优化（变量取值和方案个数为有限个）