数据挖掘在教务管理中的应用

数据挖掘是一门涉及到数理统计、人工智能、知识工程等多学科、多领域的新兴交叉学科。教学管理人员采用数据挖掘技术对教务管理信息系统中的数据进行深入的分析,以此来制定相关措施,可以更有效发挥学校各类资源的作用,不断提高学校的教学质量和教学效果。本文将对数据挖掘在教务管理中的具体应用加以归纳和总结。     

贝叶斯方法在房地产风险决策中的应用

地产投资受政策、社会环境、经济环境等诸多因素的制约,因而投资成败具有很大的不确定性。而传统的房地产投资风险决策主要是以先验概率为依据,不便于利用事物发展中的信息对预测概率进行及时修正和调整。本文将贝叶斯方法应用于房地产投资决策中,绘制出决策树,使决策者可根据发展变化信息及时调整决策,降低决策风险,提高决策的准确性和经济性。     

数据挖掘在课程成绩分析中的应用

数据挖掘是数据仓库技术中的重要技术之一.为了充分发挥考试的效能,综合评价命题质量,及时反馈教学效果,将数据挖掘技术与课程成绩分析相结合,从海量的数据中发现隐藏的有用信息,并将这些信息资源进行统计分析和总结是非常必要的.     

数据挖掘在沈阳世博园旅游业中的应用

沈阳世博园旅游业的发展,取决于其营销战略制定的正确与否,而制定的正确的营销战略的基础是对旅游业中旅游客源的研究。因此,我们可以利用数据挖掘技术,挖掘出详细有效的游客行为特征信息,从而制定正确的营销战略。     

基于决策树模型的三因子模型选股策略研究

本文使用了机器学习中的决策树模型来对于传统的三因子模型进行改进,利用决策树对于股票池中的股票进行分类,将股票的各个因子作为判定结点,并创新性地提出了将连续的因子离散化的方法,最终得出了较为优秀的选股策略,为传统模型方法的局限性引入针对性的解决思路.     

基于数据挖掘理论的电子商务环境构建与研究

电子商务的发展促使公司内部收集了大量的数据,并且迫切需要将这些数据转换成有用的信息和知识.数据挖掘涉及的学科领域和方法很多,其核心技术历经了数十年的发展,其中包括统计、近邻、聚类、决策树、神经网络和规则等.     

神经网络在我国电商企业客户流失风险预测中的应用研究

文章以C5.0、Neural Net和Logistic三种算法作为构建预测混合模型的基础算法。在实证研究过程中,分别采用品牌、地区、网龄和账单作为客户细分变量,构建了不同的客户流失预测混合模型,用命中率和接受者操作特性(ROC)曲线对预测结果比较评估,得到以地区为客户细分变量的混合模型预测效果最佳,以账单为客户细分变量的混合模型预测效果,其次以网龄和品牌为客户细分变量的混合模型预测效果较差的结论。省级电信公司在构建流失预测系统过程中,以客户账单(或客户消费层次)作为细分变量,对各地区客户单独构建流失预测模型;同时,要加强品牌管理,提高各品牌对客户的区隔效果。     

烟草商业企业卷烟品类结构构建探究——以消费者为中心

卷烟营销高质量发展要求坚持把消费者作为卷烟营销工作的中心。品类结构是营销体系的基础,但行业内现行的单维单层品类体系无法实现消费者细分,不能全面、精确地反映消费者消费习惯和偏好,无法满足新时期品牌精准营销需求,构建符合新时期需要的以消费者为中心的卷烟品类结构迫在眉睫。文章基于34972份卷烟消费者有效调查问卷统计分析,建立了消费者整体和细分购买决策树,以确定品类结构划分依据,再采用K-prototype聚类分析将消费者划分为4大目标消费群体,进而采用CRT决策树分析法等统计分析法确定分类阈值,最终形成4大类、13中类、30子类的多维度多层次的卷烟品类结构,为烟草商业企业卷烟品类管理、品牌管理和营销管理奠定坚实基础。     

基于决策树对挣值法成本管理的改良

在工程项目动态管理的过程中,有效的成本预测是非常必要的,传统挣值法中的成本预测,未考虑动态影响因素对项目造成的影响.本文从该角度进行分析和研究,在成本预测的公式中增加一个参数,优化原方法的预测结果,并采用决策树法来确定该参数的具体数值.同时,基于成本的预测数据,综合考虑成本与进度相互影响,运用模糊评价法,来协助项目经理...