股票数据挖掘算法kmeans

Ⅰ k鍧囧艰仛绫荤畻娉

k鍧囧艰仛绫荤畻娉曟槸锛氩厛闅忔満阃夊彇K涓瀵硅薄浣滀负鍒濆嬬殑镵氱被涓蹇冦傜劧钖庤＄畻姣忎釜瀵硅薄涓庡悇涓绉嶅瓙镵氱被涓蹇冧箣闂寸殑璺濈伙纴杩欎釜杩囩▼灏嗕笉鏂閲嶅岖洿鍒版弧瓒虫煇涓缁堟㈡浔浠躲

镵氱被涓蹇冧互鍙婂垎閰岖粰瀹冧滑镄勫硅薄灏变唬琛ㄤ竴涓镵氱被銆傛疮鍒嗛厤涓涓镙锋湰锛岃仛绫荤殑镵氱被涓蹇冧细镙规嵁镵氱被涓鐜版湁镄勫硅薄琚閲嶆柊璁＄畻銆傝繖涓杩囩▼灏嗕笉鏂閲嶅岖洿鍒版弧瓒虫煇涓缁堟㈡浔浠躲傜粓姝㈡浔浠跺彲浠ユ槸娌℃湁锛堟垨链灏忔暟鐩锛夊硅薄琚閲嶆柊鍒嗛厤缁欎笉钖岀殑镵氱被锛屾病链夛纸鎴栨渶灏忔暟鐩锛夎仛绫讳腑蹇冨啀鍙戠敓鍙桦寲锛岃宸骞虫柟鍜屽眬閮ㄦ渶灏忋

k鍧囧艰仛绫绘槸链镢楀悕镄勫垝鍒呜仛绫荤畻娉曪纴鐢变簬绠娲佸拰鏁堢巼浣垮缑浠栨垚涓烘墍链夎仛绫荤畻娉曚腑链骞挎硾浣跨敤镄勚傜粰瀹氢竴涓鏁版嵁镣归泦钖埚拰闇瑕佺殑镵氱被鏁扮洰k锛宬鐢辩敤鎴锋寚瀹氾纴k鍧囧肩畻娉曟牴鎹镆愪釜璺濈诲嚱鏁板弽澶嶆妸鏁版嵁鍒嗗叆k涓镵氱被涓銆

k鍧囧艰仛绫荤畻娉旷殑浼樼己镣

1銆佷紭镣

铡熺悊姣旇缉绠鍗曪纴瀹炵幇涔熸槸寰埚规槗锛屾敹鏁涢熷害蹇锛涜仛绫绘晥鏋滆缉浼桡纴绠楁硶镄勫彲瑙ｉ喷搴︽瘆杈冨己銆傝仛绫荤畻娉曞师鐞嗙亩鍗曪纴鍙瑙ｉ喷寮猴纴瀹炵幇鏂逛究锛屽彲骞挎硾搴旂敤鍦ㄦ暟鎹鎸栨帢銆佽仛绫诲垎鏋愩佹暟鎹镵氱被銆佹ā寮忚瘑鍒銆侀噾铻嶉庢带銆佹暟鎹绉戝︺佹櫤鑳借惀阌鍜屾暟鎹杩愯惀绛夊氢釜棰嗗烟锛屾湁镌骞挎硾镄勫簲鐢ㄥ墠鏅銆

2銆佺己镣

K鍊肩殑阃夊彇涓嶅ソ鎶婃彙锛涘逛簬涓嶆槸鍑哥殑鏁版嵁闆嗘瘆杈冮毦鏀舵暃锛涘傛灉钖勯殣钖绫诲埆镄勬暟鎹涓嶅钩琛★纴姣斿傚悇闅愬惈绫诲埆镄勬暟鎹閲忎弗閲嶅け琛★纴鎴栬呭悇闅愬惈绫诲埆镄勬柟宸涓嶅悓锛屽垯镵氱被鏁堟灉涓崭匠锛涢噰鐢ㄨ凯浠ｆ柟娉曪纴寰楀埌镄勭粨鏋滃彧鏄灞閮ㄦ渶浼桡绂瀵瑰櫔阔冲拰寮傚父镣规瘆杈幂殑鏁忔劅銆

浠ヤ笂鍐呭瑰弬钥锏惧害锏剧-K鍧囧艰仛绫荤畻娉

Ⅱ 数据挖掘算法有哪些

统计和可视化要想建立一个好的预言模型，你必须了解自己的数据。最基本的方法是计算各种统计变量（平均值、方差等）和察看数据的分布情况。你也可以用数据透视表察看多维数据。数据的种类可分为连续的，有一个用数字表示的值（比如销售量）或离散的，分成一个个的类别（如红、绿、蓝）。离散数据可以进一步分为可排序的，数据间可以比较大小（如，高、中、低）和标称的，不可排序（如邮政编码）。图形和可视化工具在数据准备阶段尤其重要，它能让你快速直观的分析数据，而不是给你枯燥乏味的文本和数字。它不仅让你看到整个森林，还允许你拉近每一棵树来察看细节。在图形模式下人们很容易找到数据中可能存在的模式、关系、异常等，直接看数字则很难。可视化工具的问题是模型可能有很多维或变量，但是我们只能在2维的屏幕或纸上展示它。比如，我们可能要看的是信用风险与年龄、性别、婚姻状况、参加工作时间的关系。因此，可视化工具必须用比较巧妙的方法在两维空间内展示n维空间的数据。虽然目前有了一些这样的工具，但它们都要用户“训练”过他们的眼睛后才能理解图中画的到底是什么东西。对于眼睛有色盲或空间感不强的人，在使用这些工具时可能会遇到困难。聚集（分群）聚集是把整个数据库分成不同的群组。它的目的是要群与群之间差别很明显，而同一个群之间的数据尽量相似。与分类不同（见后面的预测型数据挖掘），在开始聚集之前你不知道要把数据分成几组，也不知道怎么分（依照哪几个变量）。因此在聚集之后要有一个对业务很熟悉的人来解释这样分群的意义。很多情况下一次聚集你得到的分群对你的业务来说可能并不好，这时你需要删除或增加变量以影响分群的方式，经过几次反复之后才能最终得到一个理想的结果。神经元网络和K-均值是比较常用的聚集算法。不要把聚集与分类混淆起来。在分类之前，你已经知道要把数据分成哪几类，每个类的性质是什么，聚集则恰恰相反。关联分析关联分析是寻找数据库中值的相关性。两种常用的技术是关联规则和序列模式。关联规则是寻找在同一个事件中出现的不同项的相关性，比如在一次购买活动中所买不同商品的相关性。序列模式与此类似，他寻找的是事件之间时间上的相关性，如对股票涨跌的分析。关联规则可记为A==>B，A称为前提和左部（LHS），B称为后续或右部（RHS）。如关联规则“买锤子的人也会买钉子”，左部是“买锤子”，右部是“买钉子”。要计算包含某个特定项或几个项的事务在数据库中出现的概率只要在数据库中直接统计即可。某一特定关联（“锤子和钉子”）在数据库中出现的频率称为支持度。比如在总共1000个事务中有15个事务同时包含了“锤子和钉子”，则此关联的支持度为1.5%。非常低的支持度（比如1百万个事务中只有一个）可能意味着此关联不是很重要，或出现了错误数据（如，“男性和怀孕”）。要找到有意义的规则，我们还要考察规则中项及其组合出现的相对频率。当已有A时，B发生的概率是多少？也即概率论中的条件概率。回到我们的例子，也就是问“当一个人已经买了锤子，那他有多大的可能也会买钉子？”这个条件概率在数据挖掘中也称为可信度，计算方法是求百分比：（A与B同时出现的频率）/（A出现的频率）。让我们用一个例子更详细的解释这些概念： 总交易笔数（事务数）：1,000包含“锤子”：50包含“钉子”：80包含“钳子”：20包含“锤子”和“钉子”：15包含“钳子”和“钉子”：10包含“锤子”和“钳子”：10包含“锤子”、“钳子”和“钉子”：5 则可以计算出： “锤子和钉子”的支持度=1.5%（15/1,000）“锤子、钉子和钳子”的支持度=0.5%（5/1,000）“锤子==>钉子”的可信度=30%（15/50）“钉子==>锤子”的可信度=19%（15/80）“锤子和钉子==>钳子”的可信度=33%（5/15）“钳子==>锤子和钉子”的可信度=25%（5/20）