第16講決策支持與人工智能企業(yè)的智囊

1、第十六講 決策支持與人工智能：企業(yè)的智囊1商務(wù)智能分析方法統(tǒng)計分析數(shù)據(jù)挖掘人工智能2統(tǒng)計分析研究如何測定、收集、整理、歸納和分析反映客觀現(xiàn)象總體數(shù)量的數(shù)據(jù)，以便給出正確認識?？蛻舻钠骄挲g？平均收入水平？銷售額？銷售額是否與銷售員的年齡、廣告的強度等有密切關(guān)系？如果有關(guān)系，它們之間是什么關(guān)系？關(guān)系強度如何？3數(shù)據(jù)挖掘：多功能分析從數(shù)據(jù)庫的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價值的信息的非平凡過程。4知識形成過程數(shù)據(jù)信息知識商務(wù)智能行為5案例：零售店的尿布與啤酒購物籃分析：零售店的尿布與啤酒經(jīng)常一起被銷售知識：啤酒和尿布擺放在一起零售店：周五晚上尿布銷量在一周尿布銷量總量中占很大比例知識：

2、促銷尿布？商務(wù)智能：誰買？為什么買？互補品？知識：周五晚上在尿布附近促銷啤酒！6數(shù)據(jù)挖掘分類關(guān)聯(lián)分析：決定哪些事情將一起發(fā)生分類：如信用卡申請者，分類為低、中、高風(fēng)險；客戶流失風(fēng)險分析聚類：對記錄分組，把相似的記錄在一個聚集里?？蛻艏毞?，哪一種類的促銷對客戶響應(yīng)最好？7分類舉例：決策樹8分類舉例：決策樹9分類舉例：決策樹10聚類假設(shè) 某銀行擁有以下數(shù)據(jù)：1客戶號；2儲蓄賬戶余額；3活期賬戶余額；4投資賬戶余額；5日均交易次數(shù)；6信用卡支付模式；7是否有抵押貸款；8是否有賒賬額度；9客戶年齡；10客戶性別；11客戶婚姻狀況；12客戶家庭情況（孩子數(shù)）；13客戶年收入；14客戶是否擁有一輛以上小汽

3、車；15客戶流失狀態(tài)。11K-means聚類算法 1213人工智能：智能計算人工神經(jīng)網(wǎng)絡(luò)遺傳算法模擬退火算法模糊數(shù)學(xué)等等14智能計算也稱 “軟計算”，是們受自然（生物界）規(guī)律的啟迪，根據(jù)其原理，模仿求解問題的算法。從自然界得到啟迪，模仿其結(jié)構(gòu)進行發(fā)明創(chuàng)造，這就是仿生學(xué)。這是我們向自然界學(xué)習(xí)的一個方面。另一方面，還可以利用仿生原理進行設(shè)計(包括設(shè)計算法)，這就是智能計算的思想。如人工神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法、模擬退火算法等。 15人工神經(jīng)網(wǎng)絡(luò)指模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，運用大量的處理部件，由人工方式構(gòu)造的網(wǎng)絡(luò)系統(tǒng)突破了傳統(tǒng)的、線性處理的數(shù)字電子計算機的局限，是一個非線形動力學(xué)系統(tǒng)，并以分布式存

4、儲和并行協(xié)同處理為特色單個神經(jīng)元的結(jié)構(gòu)和功能極其簡單有限，但是大量的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所實現(xiàn)的行為卻是極其豐富多彩的1617人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元隱藏單元輸入輸出18人工神經(jīng)網(wǎng)絡(luò)隱藏層輸出層輸入層隱藏單元19輸入隱藏輸出10+11A+ 12B+13C1+ 2AGE+ 3INCCOMBINATIONACTIVATIONtanh(1+ 2AGE+ 3INC) =A4+ 5AGE+ 6INCtanh(4+ 5AGE+ 6INC) =B7+ 8AGE+ 9INCtanh(7+ 8AGE+ 9INC)=CCOMBINATIONCOMBINATIONACTIVATIONCOMBINATIONACTIVATI

5、ON年齡收入20人工神經(jīng)網(wǎng)絡(luò)規(guī)則：兩個以上輸入為1時，則輸出為121人工神經(jīng)網(wǎng)絡(luò)22人工神經(jīng)網(wǎng)絡(luò)23人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)即調(diào)整神經(jīng)元的權(quán)重24人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用25神經(jīng)網(wǎng)絡(luò)的應(yīng)用案例：銀行信用卡持有者的年齡、收入和職業(yè)信用卡顯示的大額購買額度大額購買次數(shù)大額購買交易地點良好的交易可能是欺詐性交易輸入層隱藏層輸出層26遺傳算法（Genetic Algorithm：GA） 遺傳算法是一類通過模擬生物界自然選擇和自然遺傳機制的隨機化搜索算法，由美國J.Holand教授于1975年首次提出。它是利用某種編碼技術(shù)作用于稱為染色體的二進制數(shù)串，其基本思想是模擬由這些串組成的種群的進化過程，通過有組織地

6、然而是隨機地信息交換來重新組合那些適應(yīng)性好的串遺傳算法對求解問題的本身一無所知，它所需要的僅是對算法所產(chǎn)生的每個染色體進行評價，并根據(jù)適應(yīng)性來選擇染色體，使適應(yīng)性好的染色體比適應(yīng)性差的染色體有更多的繁殖機會。27遺傳操作采用整數(shù)的二進制編碼x = 10111表示了16+4+2+1 = 2328初始化種群計算適應(yīng)度選擇交叉變異停止條件最優(yōu)個體是否遺傳算法流程圖優(yōu)點：解決非線性最優(yōu)化問題可以簡化復(fù)雜的目標函數(shù)以及制約條件最優(yōu)化過程相對簡單缺點：不能很清楚地表示對那些部分進行了遺傳運算不能對數(shù)據(jù)進行可視化解釋29TSP問題位置編號X坐標Y坐標116.4796.1216.4794.44320.0992

7、.54422.3993.37525.2397.2462296.05720.4797.02817.296.29916.397.381014.0598.121116.5397.381221.5295.591319.4197.131420.0992.5530TSP問題隨機路線為：4510111314181276329411710412914813523611187912251411146313108總距離：71.114431TSP問題最優(yōu)解路線:54314211091181371265總距離：29.340532大數(shù)據(jù)或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時間內(nèi)達

8、到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。大數(shù)據(jù)更準確的應(yīng)該叫“大數(shù)據(jù)挖掘”33大數(shù)據(jù)-資料一天之中，互聯(lián)網(wǎng)產(chǎn)生的全部內(nèi)容可以刻滿1.68億張DVD；發(fā)出的郵件有2940億封之多（相當于美國兩年的紙質(zhì)信件數(shù)量）；發(fā)出的社區(qū)帖子達200萬個（相當于時代雜志770年的文字量）；賣出的手機為37.8萬臺，高于全球每天出生的嬰兒數(shù)量37.1萬截止到2012年，數(shù)據(jù)量已經(jīng)從TB（1024GB=1TB）級別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB(1024EB=1ZB)級別。國際數(shù)據(jù)公司（IDC）的研究結(jié)果表明，2008年全球產(chǎn)生的數(shù)據(jù)量為0.49ZB，2009年的數(shù)據(jù)量為0.8ZB，2010年增長為1.2ZB，2011年的數(shù)量更是高達1.82ZB，相當于全球每人產(chǎn)生200GB以上的數(shù)據(jù)。而到2012年為止，人類生產(chǎn)的所有印刷材料的數(shù)據(jù)量是200PB，全人類歷史上說過的所有話的數(shù)據(jù)量大約是5EB。IBM的研究稱，整個人類文明所獲得的全部數(shù)據(jù)中，有90%是過去兩年內(nèi)產(chǎn)生的。而到了2020年，全世界所產(chǎn)生的數(shù)據(jù)規(guī)模將達到今天的44倍。34大數(shù)據(jù)-案例你開心他就買，你焦慮他就拋華爾街“德溫特資本市場”公司首席執(zhí)行官保羅霍廷每天的工作之一，就是利用電腦程序分析全球3.4