數(shù)據(jù)挖掘在企業(yè)營銷中的應用研究.pdf

1、計算機技術的飛速發(fā)展把人們帶入了信息社會，并且致使信息的擁有量高速增長。如何從巨量的信息中提取人們感興趣的知識成為亟待解決的問題。由此數(shù)據(jù)挖掘就成為數(shù)據(jù)庫領域最富活力的研究方向，并在許多領域得到重要應用。數(shù)據(jù)挖掘，也稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)(KnowledgeDiscoveryinDatabase，KDD)，是從大量數(shù)據(jù)中提取出可信、新穎、有效并能被人理解的模式的高級處理過程。數(shù)據(jù)挖掘作為一種新的決策支持技術，從人工智能領域的機器學習發(fā)展

2、而來，既是信息科學的前沿課題，也是一個融合了多個研究領域的理論和實踐問題。與其他領域的技術相比，數(shù)據(jù)挖掘為發(fā)現(xiàn)數(shù)據(jù)之間潛在的聯(lián)系提供了一種有效的機制。 關聯(lián)規(guī)則是數(shù)據(jù)挖掘中的一個重要研究內容。關聯(lián)規(guī)則挖掘就是發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關聯(lián)和相關聯(lián)系。關聯(lián)規(guī)則挖掘可以幫助許多商務決策的制定，如分類設計、交叉購物和賤賣分析。在以前的大多數(shù)關聯(lián)規(guī)則挖掘實現(xiàn)中，普遍采用了Apriori的算法。這種算法有一個很大的缺點，就是使用了不斷產(chǎn)

3、生候選集并加以測試的方式來得到頻繁集。這種方法的代價是很大的。為了解決這個問題，提出了相應的不產(chǎn)生侯選集的頻繁集的FP-growth算法。FP-growth算法的優(yōu)點是節(jié)省時間和空間，對大規(guī)模數(shù)據(jù)采用分治的方法以避免規(guī)模巨大難以接受。對FP-growth算法的性能分析研究表明：對于挖掘長的和短的頻繁模式，它都是有效的和可伸縮的，并且比Apriori算法快一個數(shù)量級。 目前，企業(yè)資源規(guī)劃(簡稱ERP)作為一種高效的信息系統(tǒng)已經(jīng)在企