經(jīng)濟(jì)數(shù)據(jù)挖掘常用知識

    然后針對不同價格區(qū)間的汽車銷量與相應(yīng)合成指數(shù)進(jìn)行建模預(yù)測且平均***誤差百分?jǐn)?shù)均不超過4%，但是同一價格區(qū)間內(nèi)包含眾多不同品牌車型，預(yù)測結(jié)果無法提供有價值的決策支持；文獻(xiàn)［6］、文獻(xiàn)［7］針對大眾途觀和寶馬汽車銷量進(jìn)行預(yù)測研究，通過人工方式進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)關(guān)鍵詞的選取，發(fā)現(xiàn)加入百度關(guān)鍵詞作為解釋變量的模型相比傳統(tǒng)的ARMA模型，預(yù)測精度有了一定程度的提高；文獻(xiàn)［8］利用經(jīng)濟(jì)變量和谷歌在線搜索數(shù)據(jù)建立預(yù)測月度汽車**的多變量模型，結(jié)果表明包括谷歌搜索數(shù)據(jù)在內(nèi)的模型在統(tǒng)計上超過了大多數(shù)預(yù)測領(lǐng)域的傳統(tǒng)模型；文獻(xiàn)［9］提出了一種搜索數(shù)據(jù)關(guān)鍵特征選取方法，但是該選取方法**終**保留了相關(guān)性**高的一個關(guān)鍵特征，難免會造成有效信息的損失。綜上所述，目前的研究存在的問題包括研究對象與時間粒度選擇不當(dāng)，網(wǎng)絡(luò)數(shù)據(jù)特征分析及選取的科學(xué)體系暫未形成，傳統(tǒng)模型預(yù)測性能具有局限性。本文擬基于網(wǎng)絡(luò)搜索數(shù)據(jù)，將品牌汽車銷量作為研究對象，時間粒度選取為月度，將傳統(tǒng)相關(guān)性分析與基于LASSO的特征選擇方法相結(jié)合，篩選出**優(yōu)的關(guān)鍵特征數(shù)據(jù)，然后應(yīng)用多種機(jī)器學(xué)習(xí)算法建立品牌汽車銷量的預(yù)測模型。建立任意一個洞察，都只需3步：上傳數(shù)據(jù)、設(shè)置參數(shù)、查看結(jié)果。經(jīng)濟(jì)數(shù)據(jù)挖掘常用知識

組合與推薦引擎：您來自零售、餐飲、電商或服務(wù)業(yè)；您想把單品搭配成套餐，或想在顧客點(diǎn)了一些東西或把商品加到購物車后，再向他推薦一些別的。使用組合與推薦引擎，幫您深度挖掘商品的內(nèi)部關(guān)系！只需片刻，即可處理多達(dá)200萬條數(shù)據(jù)，對高達(dá)50000個訂單和5000個商品進(jìn)行分析計算，并將圖文并茂的報告呈現(xiàn)眼前。從組合的角度重新發(fā)現(xiàn)你的商品，探索商品之間的內(nèi)部聯(lián)系。您從事餐飲、零售、電商、服務(wù)...（比如您是一家快餐店店主），您想把一些單品搭配成組合或套餐放到團(tuán)購網(wǎng)站上引流，或者讓用戶買起來更方便...（比如您將豆?jié){和南瓜餅拼在一起，并起了個好聽的名字叫“早餐超值6元享”），或者，您只是想在客戶買了一些東西后，再給他推薦一些別的...（比如您的顧客點(diǎn)了杯豆?jié){，您覺得他應(yīng)該還需要一份小籠包）。用所見即所知代替困惑：只需上傳一份訂單明細(xì)，剩下的就交給我們吧！基于“暖榕敏捷數(shù)據(jù)挖掘系統(tǒng)——組合推薦引擎”，迅速建立產(chǎn)品之間的關(guān)聯(lián)性，讓你從組合的視角重新認(rèn)識你的產(chǎn)品。通用數(shù)據(jù)挖掘價格彈性成本：按需使用，不需運(yùn)維、不養(yǎng)團(tuán)隊(duì)、節(jié)省高額咨詢費(fèi)！

    然后圍繞選取的初始關(guān)鍵詞綜合使用了長尾關(guān)鍵詞拓展法、站長工具以及網(wǎng)頁相關(guān)搜索推薦等方法拓展出數(shù)量更多的關(guān)鍵詞，剔除重復(fù)或者有歧義的關(guān)鍵詞后建立了一個包含276個關(guān)鍵詞的初始詞庫。關(guān)鍵詞搜索指數(shù)相關(guān)性分析首先利用網(wǎng)絡(luò)爬蟲工具獲取初始詞庫中各關(guān)鍵詞相同時間段內(nèi)月度搜索數(shù)據(jù)，針對關(guān)鍵詞搜索數(shù)據(jù)進(jìn)行預(yù)處理（剔除缺失數(shù)據(jù)超過6個月或者搜索指數(shù)過低的關(guān)鍵詞數(shù)據(jù)），**后得到118個符合要求的關(guān)鍵詞搜索數(shù)據(jù)。但是并不是每個關(guān)鍵詞搜索數(shù)據(jù)都與實(shí)際銷量存在相關(guān)關(guān)系。所以本文首先應(yīng)用傳統(tǒng)相關(guān)性分析方法通過判定各個關(guān)鍵詞搜索數(shù)據(jù)與大眾品牌汽車銷量的Spearman秩相關(guān)系數(shù)，篩選出相關(guān)系數(shù)大于（***相關(guān)），共計37個。然后采用時差相關(guān)分析確定上一步篩選出的關(guān)鍵詞搜索指數(shù)與大眾品牌汽車銷量的時滯階數(shù)均處于滯后1~3階的范圍（網(wǎng)絡(luò)搜索行為是一種即時性行為，而購買汽車作為重大經(jīng)濟(jì)決策，消費(fèi)者一般都會在做出購買決策前幾個月就開始搜索相關(guān)的信息）。現(xiàn)有研究針對相關(guān)性分析結(jié)果一般有兩種處理方法:***種是直接選取相關(guān)性**高的作為***的解釋變量；第二種是利用指數(shù)合成方法將合成后的關(guān)鍵指數(shù)作為解釋變量。兩種方法難免都會造成有效信息的損失。

    177.［10］趙東波.線性回歸模型中多重共線性問題的研究［D］.錦州：渤海大學(xué),2017.［11］李鋒,蓋玉潔,盧一強(qiáng).測量誤差模型的自適應(yīng)LASSO變量選擇方法研究［J］.中國科學(xué):數(shù)學(xué),2014,44(9):983-1006.［12］劉曉寧.基于Lasso特征選擇的方法比較［J］.安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報,2014,13(1):26-30.［13］李春紅,吳英,覃朝勇.基于LASSO變量選擇方法的網(wǎng)絡(luò)廣告點(diǎn)擊率預(yù)測模型研究［J］.數(shù)理統(tǒng)計與管理,2016,35(5):803-809.［14］郭貔,王力,郝元濤.基于LASSO回歸模型與百度搜索數(shù)據(jù)構(gòu)建的流感**預(yù)測系統(tǒng)［J］.中國衛(wèi)生統(tǒng)計,2017,34(2):186-191.［15］崔東佳.大數(shù)據(jù)時代背景下的品牌汽車銷量預(yù)測的實(shí)證研究［D］.開封：河南大學(xué),2014.［16］田銳鋒.用季節(jié)**乘模型預(yù)測奧迪汽車在華銷量［J］.統(tǒng)計與管理,2016(8):70-71.（收稿日期：2018-04-03）作者簡介：謝天保（1966-），男，博士，副教授，主要研究方向：數(shù)據(jù)挖掘、電子商務(wù)與決策支持。崔田（1991-），通信作者，男，碩士研究生，主要研究方向：數(shù)據(jù)挖掘、電子商務(wù)。E-mail：@?；跐摽妥R別引擎，幫您發(fā)現(xiàn)哪些人具有更高的營銷成功率。

我們是一家算法與數(shù)據(jù)挖掘解決方案提供商，成立于2019年12月。團(tuán)隊(duì)關(guān)鍵成員畢業(yè)于清華、上海交大、哈工大等名校，曾供職于阿里巴巴、螞蟻金服、國家信息中心、中國電信、中國移動研究院等公司。我們致力于前沿數(shù)據(jù)和算法技術(shù)的研發(fā)落地，滿足客戶對業(yè)務(wù)增長、數(shù)據(jù)驅(qū)動、智能化及行業(yè)升級的需求。支持SaaS、私有部署、個性化定制、API調(diào)用等多種服務(wù)方式。?觸手可及的數(shù)據(jù)挖掘服務(wù)?！芭拧痹朴嬎惴?wù)，讓廣大小微用戶輕松享受到前沿大數(shù)據(jù)和AI技術(shù)帶來的好處，為業(yè)務(wù)優(yōu)化、預(yù)測、營銷規(guī)劃、行業(yè)升級提供支持。?定制化部署的數(shù)據(jù)挖掘系統(tǒng)。個性化定制及私有部署，可為用戶提供一攬子解決方案，以及數(shù)據(jù)挖掘系統(tǒng)的整體落地。實(shí)現(xiàn)業(yè)務(wù)需求、數(shù)據(jù)源、平臺環(huán)境的深度融合，符合您對費(fèi)用、效能、計算力和私密性的期望。無論電商、新媒體App渠道轉(zhuǎn)化分析器可以直觀分析不同渠道不同階段引流及獲客轉(zhuǎn)化率，優(yōu)化運(yùn)營及業(yè)務(wù)流程。物流數(shù)據(jù)挖掘費(fèi)用是多少

數(shù)據(jù)挖掘可以應(yīng)用于各個領(lǐng)域，如金融、醫(yī)療、零售等，幫助企業(yè)提高效率和盈利能力。經(jīng)濟(jì)數(shù)據(jù)挖掘常用知識

    0引言近年來，我國汽車產(chǎn)銷呈現(xiàn)較快增長，產(chǎn)銷總量屢創(chuàng)歷史新高，據(jù)中國汽車工業(yè)協(xié)會統(tǒng)計數(shù)據(jù)，2016年中國汽車產(chǎn)銷均超2800萬輛，連續(xù)八年蟬聯(lián)全球***［1］。據(jù)車主之家網(wǎng)站提供的數(shù)據(jù)顯示，2009~2016年我國銷量排名**的品牌汽車占比高達(dá)，對于我國汽車消費(fèi)者而言，品牌效應(yīng)十分***。但是汽車生產(chǎn)廠商追求規(guī)模效應(yīng)時存在一定的盲目性，導(dǎo)致產(chǎn)能過剩的問題日益凸顯。在嚴(yán)峻的形勢下，汽車生產(chǎn)企業(yè)應(yīng)認(rèn)真分析市場未來的需求量和可能存在的變化趨勢，合理規(guī)劃生產(chǎn)計劃，采用以銷定產(chǎn)的生產(chǎn)策略。因此如何準(zhǔn)確地預(yù)測銷量，對于汽車生產(chǎn)企業(yè)研究市場行情及時調(diào)整生產(chǎn)經(jīng)營策略有著極其重要的意義。隨著人工智能的出現(xiàn)以及基于網(wǎng)絡(luò)數(shù)據(jù)的預(yù)測研究的***開展，將網(wǎng)絡(luò)搜索數(shù)據(jù)應(yīng)用于汽車銷量的預(yù)測已成為研究的熱點(diǎn)。傳統(tǒng)的汽車銷量預(yù)測研究采用的主要方法有灰色系統(tǒng)理論［2］、時間序列模型［3］以及人工神經(jīng)網(wǎng)絡(luò)［4］等，但這些研究采用的數(shù)據(jù)時間粒度比較大，研究對象大都集中于我國汽車年度總銷量的預(yù)測，研究成果難以應(yīng)用推廣。文獻(xiàn)［5］在建立網(wǎng)絡(luò)關(guān)鍵詞搜索數(shù)據(jù)與汽車銷量理論框架的基礎(chǔ)上，使用自動推薦技術(shù)選取關(guān)鍵詞并進(jìn)行關(guān)鍵詞合成。經(jīng)濟(jì)數(shù)據(jù)挖掘常用知識

上海暖榕智能科技有限責(zé)任公司是國內(nèi)一家多年來專注從事暖榕敏捷數(shù)據(jù)挖掘系統(tǒng)，數(shù)據(jù)分析SaaS工具，數(shù)據(jù)挖掘解決方案的老牌企業(yè)。公司位于聯(lián)航路1588弄(浦江鎮(zhèn)481街坊6/2丘)1幢技術(shù)中心主樓108室，成立于2019-12-11。公司的產(chǎn)品營銷網(wǎng)絡(luò)遍布國內(nèi)各大市場。公司主要經(jīng)營暖榕敏捷數(shù)據(jù)挖掘系統(tǒng)，數(shù)據(jù)分析SaaS工具，數(shù)據(jù)挖掘解決方案，公司與暖榕敏捷數(shù)據(jù)挖掘系統(tǒng)，數(shù)據(jù)分析SaaS工具，數(shù)據(jù)挖掘解決方案行業(yè)內(nèi)多家研究中心、機(jī)構(gòu)保持合作關(guān)系，共同交流、探討技術(shù)更新。通過科學(xué)管理、產(chǎn)品研發(fā)來提高公司競爭力。暖榕,暖榕智能嚴(yán)格按照行業(yè)標(biāo)準(zhǔn)進(jìn)行生產(chǎn)研發(fā)，產(chǎn)品在按照行業(yè)標(biāo)準(zhǔn)測試完成后，通過質(zhì)檢部門檢測后推出。我們通過全新的管理模式和周到的服務(wù)，用心服務(wù)于客戶。上海暖榕智能科技有限責(zé)任公司依托多年來完善的服務(wù)經(jīng)驗(yàn)、良好的服務(wù)隊(duì)伍、完善的服務(wù)網(wǎng)絡(luò)和強(qiáng)大的合作伙伴，目前已經(jīng)得到數(shù)碼、電腦行業(yè)內(nèi)客戶認(rèn)可和支持，并贏得長期合作伙伴的信賴。