当前课程知识点:大数据管理与挖掘 > 第10章 预测方法 > 10.1 预测方法概要 > 10.1 预测方法概要
哦
同学们大家好
我是来自西安工程大学的李老师
今天我为大家讲解第十章
预测方法
首先让我们看一下
10.1预测方法概要
让我们先来看一下预测的概念
预测是指根据客观事物的发展趋势
和变化规律
对特定的对象未来发展趋势或状态
作出科学的推断与判断
即预测就是根据过去和现在
估计未来
预测的基本要素包括
预测者
预测对象
信息
预测方法和技术
以及预测结果
预测的基本原理呢
首先
一
系统性原理
预测必须以系统的观点为指导
采用系统分析的方法实现预期的系统
目标
系统性原理的要求有
通过对预测对象的系统性分析
确定影响其变化的变量及其关系
建立符合实际的逻辑模型与数学模型
通过对预测对象的系统分析
系统地提出预测问题
已确定预测的目标体系
通过对预测对象的系统分析
正式的选择预测方法
并通过各种预测方法的综合运用
使预测尽可能的符合实际
通过对预测对象的系统分析
按照预测对象的特点
组织预测工作
并对预测方案进行验证和跟踪研究
为经验决策的实施及时的进行反馈
让我们看一下连贯性原理的概念
二连贯性原理
连贯性原理
是指事物的发展是按一定的规律进行的
在其发展的过程中
这种规律贯彻始终
不应受到破坏
它的未来发展
与其过去和现在的发展没有本质的不同
及研究对象的过去和现在
依据其惯性
预测其未来状态
连贯性的形成需要有足够长的历史
且历史发展数据所显示的变动趋势
具有规律性
对预测对象演变规律的作用的客观条件
必须保持在适度的变动范围之内
否则该规律的作用将随条件变化而中断
导致连贯性失效
好
让我们看一下类推原理
类推原理是通过寻找
并分析类似事物的相似规律
根据已知的某事物的发展变化特征
推断具有近似特性的预测对象的未来状态
具体要求为
事物变动具有某种结构
且可用数学方法加以模拟
根据所测定的模型类比现在
预测未来
两事物之间的发展变化应具有类似性
否则就不能类推
所研究的预测对象与其相关事物间的相关性
利用相关事务性来推断预测对象的未来状况
按照先导事件与预测事件的关系表现
可分为同步相关与艺术相关两类
例如
服装的销售与积极的变化为同步相关
利息率的高低与房地产业的兴衰为异步相关
好让我们看一下概率推断的原理
概率推断原理
是指当被推动的结果能以较大的概率出现时
则认为该结果成立
在预测中可以先采用概率统计方法
求出随机事件出现各种状态的概率
然后根据概率推断原理
去推测对象的未来状态
我们常用常用均方误差MSE
绝对平均误差MAE
以及相对平均误差MAPE
来做预测的准确度评价
好让我们看一下预测的影响因素
一
影响预测对象的偶然因素
二 资料的限制
三 方法的不恰当
以及四
预测者的分析判断能力
常用的预测方法有以下几种
好
让我看一下定性分析预测法
预测者根据历史与现实的观察资料
依赖个人或集体的经验与智慧
对未来的发展状态和变化趋势
做出判断的预测方法
它的优点在于
注重与事物发展在性质方面的预测
具有较大的灵活性
易于充分发挥人的主观能动作用
且简单
迅速
省时
省费用
它的缺点在于
易受主观因素的影响
比较注重于人的经验和主观判断能力
从而易受人的知识
经验的多少与能力的大小束缚和限制
尤其是缺乏对事物发展数量上的精确描述
定量分析预测法
它是依据调查研究所得到的数据资料
运用统计方法和数学模型
近似地揭示预测对象
及其影响因素的数量变动关系
建立对应的预测模型
据此对预测目标做出定量测算的预测方法
通常有时间序列分析预测法
和因果分析预测法
定量预测的优点在于
注重于事物发展在数量方面的分析
重视对事物发展变化的程度做数量上的描述
更多的依赖历史统计资料
较少受主观因素的影响
而定量预测的缺点在于
它比较机械
不易处理有较大波动的资料
更难以预测事物的变化
好
预测方法概要
就为大家介绍到这里
-第1章 教学目标
--第1章 教学目标
-1.1 大数据的基本概念
-1.2 大数据的演变过程
-1.3 大数据应用
-1.4 大数据的处理模式
-1.5 大数据管理的关键技术
-第1章 作业
--第1章 作业
-第1章 讨论
--第1章 讨论
-第2章 教学目标
--第2章 教学目标
-2.1 大数据融合的概念
-2.2 大数据融合的方法论
-2.3 数据融合技术
-2.4 知识融合技术
-2.5 大数据融合的驱动枢纽
-2.6 小结
--2.6 小结
-第2章 作业
--第2章 作业
-第2章 讨论
--第2章 讨论
-第3章 教学目标
--第3章 教学目标
-3.1 大数据存储与管理方法
-3.2 基于新型存储的大数据管理
-3.3 大数据处理与存储一体化技术
-3.4 小结
--3.4 小结
-第3章 作业
--第3章 作业
-第3章 讨论
--第3章 讨论
-第4章 教学目标
--第4章 教学目标
-4.1 大数据的实时分析
-4.2 大数据的交互式分析
-4.3 云在线聚集
-4.4 大数据的智能分析
-4.5 小结
--4.5 小结
-第4章 作业
--第4章 作业
-第4章 讨论
--第4章 讨论
-第5章 教学目标
--第5章 教学目标
-5.1 隐私保护技术
-5.2 隐私保护技术的应用
-5.3 大数据隐私管理
-5.4 小结
--5.4 小结
-第5章 作业
--第5章 作业
-第5章 讨论
--第5章 讨论
-第6章 教学目标
--第6章 教学目标
-6.1 云计算 大数据基础平台与支撑技术
-6.2 批数据与流数据管理系统
-6.3 SQL NOSQL与NEWSQL系统
-6.4 小结
--6.4 小结
-第6章 作业
--第6章 作业
-第6章 讨论
--第6章 讨论
-第7章 教学目标
--第7章 教学目标
-7.1 一元回归
--7.1 一元回归
-7.2 多元回归
--7.2 多元回归
-7.3 逐步回归
--7.3 逐步回归
-7.4 Logistic回归
-7.5 应用实例-多因子选股模型的实现
-7.6 小结
--7.6 小结
-第7章 作业
--第7章 作业
-第7章 讨论
--第7章 讨论
-第8章 教学目标
--第8章 教学目标
-8.1 分类方法概要
-8.2 K-近邻(KNN)
-8.3 贝叶斯分类
-8.4 神经网络
--8.4 神经网络
-8.5 LOGISTIC分类
-8.6 判别分析
--8.6 判别分析
-8.7 支持向量机(SVM)
-8.8 决策树
--8.8 决策树
-8.9 分类的评判
-8.10 小结
--8.10 小结
-第8章 作业
--第8章 作业
-第8章 讨论
--第8章 讨论
-第9章 教学目标
--第9章 教学目标
-9.1 聚类方法概要
-9.2 K-means方法
-9.3 层次聚类
--9.3 层次聚类
-9.4 神经网络聚类
-9.5 模糊C-均值(FCM)方法
-9.6 高斯混合聚类方法
-9.7 类别数的确定方法
-9.8 应用实例-股票聚类分池
-9.9 小结
--9.9 小结
-第9章 作业
--第9章 作业
-第9章 讨论
--第9章 讨论
-第10章 教学目标
-10.1 预测方法概要
-10.2 灰色预测
-10.3 马尔科夫预测
-10.4 实用实例-纺纱质量预测
-10.5 小结
--10.5 小结
-第10章 作业
--第10章 作业
-第10章 讨论
--第10章 讨论
-第11章 教学目标
-11.1 离群点诊断概要
-11.2 基于统计的离群点诊断
-11.3 基于距离的离群点诊断
-11.4 基于密度的离群点挖掘
-11.5 基于聚类的离群点挖掘
-11.6 应用实例-纱线断点诊断
-11.7 小结
--11.7 小结
-第11章 作业
--第11章 作业
-第12章 教学目标
-12.1 数字挖掘技术的应用
-12.2 纺纱质量控制
-第12章 作业
--第12章 作业
-第12章 讨论
--第12章 讨论