建模技术与统计分析

建模技术

建模方法基于使用的使用，即解决特定问题的指示信息顺序。使用特定的算法可创建这种类型的模型。有三种主要的建模技术类别，IBM® SPSS® Modeler 为每种类别提供了一些示例：

分类

关联

细分（有时称为“聚类”）

分类模型使用一个或多个输入字段的值来预测一个或多个输出（或目标）字段的值。这些技术的一些示例包括：决策树（C&R 树、QUEST、CHAID 和 C5.0 算法）、回归（线性、logistic、广义线性和 Cox 回归算法）、神经网络、支持向量机和贝叶斯网络。

关联模型查找您数据中的模式，其中一个或多个实体（如事件、购买或属性）与一个或多个其他实体相关联。这些模型构建定义这些关系的规则集。数据中的字段可以作为输入和目标。您可以手动查找这些关联，但关联规则算法可以更快速地完成，并能探索更多复杂的模式。Apriori 和 Carma 模型是使用此类算法的示例。另一种类型的关联模型是序列检测模型，后者可以在按时间建立结构的数据中查找顺序模式。

细分模型将数据划分为具有类似输入字段模式的记录段或聚类。细分模型只对输入字段感兴趣，没有输出或目标字段的概念。细分模型的示例为 Kohonen 网络、K-Means 聚类、二阶聚类和异常检测等。

 

 

算法	概括	优缺点
k-means	每次从类中求均值作为中心点 用到了EM的思想 目标是最小化sum of squared error	要求预设k值 易受噪音和离异点的影响  对不规则形状的类聚类效果不好 不保证全局最优
k-means++	目标是找到k个合理的初始种子点给k-means。 1. 随机挑个随机点当“种子点” 2. 对于每个点，计算其和最近的“种子点”的距离D(x)并保存，然后把这些距离加起来得到Sum(D(x))。 3. 再取一个随机值，用权重的方式来取计算下一个“种子点”。这个算法的实现是，先取一个能落在Sum(D(x))中的随机值Random，然后用Random -= D(x)，直到其<=0，此时的点就是下一个“种子点”。 4. 重复2和3直到k个中心被选出来 5. 利用这k个初始的聚类中心来运行标准的k-means算法
k-modes	K-Means算法的扩展 对于分类型数据，用mode求中心点
k-prototypes	结合了k-means和k-modes
k-medoids	每次从类中找一个具体的点来做中心点。目标是最小化absolute error。 PAM是一种典型的k-medoids实现。	对噪音和离异点不那么敏感 然而计算量大很多
CLARA	先抽样，再用PAM	对于大数据比PAM好点 主要是看sample的效果
CLARANS	每次随机的抓一个medoid跟一般点，然后判断，这两者如果替换的话，能不能减小absolute-error	融合了PAM和CLARA两者的优点，是第一个用于空间数据库的聚类算法