商务智能实验11报告
《数据挖掘与商务智能实验》
实验报告
实验题目：预测分析：人工神经网络
姓名：王俊
学号：201430850164
指导教师：张大斌
实验时间：2016.11.10
2016年11 月10 日
实验题纲：
一、实验目的
1.了解熟悉SPSS Modeler及其相关知识
2.掌握SPSS Modeler工具建立B-P反向传播网络的方法
3.学会运用SPSS Modeler B-P反向传播网络进行相关内容的分析
二、实验内容
本实验将以一份虚拟的电信客户数据为例，文件名为Telephone.sav，它是一个SPSS 文件。
该数据中的变量x1至x15分别是：居住地、年龄、婚姻状况、家庭月收入、受教育的程度、性别、家庭人口、基本服务累计开通月数、是否申请无线转移服务、上月基本费用、上月限制性项目的服务费用、无线服务费用、是否电子支付、客户所申请的服务套餐费用、是否流失。
本实验实践神经网络的具体操作步骤，目标是建立客户流失预测模型。
三、实验步骤与结果
步骤1 创建K-means聚类数据流
（1）通过“Statistic文件”节点读入文件名为Telephone.sav的数据。
（2）在数据流中添加“分区”节点，将样本集划分为训练集和测试集，如图所示
（3）在“建模”模块下选择“神经网络”节点连接在数据流的恰当位置。
步骤2 设置相关参数
（1）点击鼠标右键，点击“编辑”按钮进行主要参数的设置。
（2）在“选项”0选项卡下，勾选“显示反馈图形”。
（3）在“模型”选项卡下，勾选“使用分区数据”和“为每个分割购建模型”；选择“快速”方法；停止采用“默认值”。
如图
步骤3 结果运行
计算的结果如图所示
四、实验分析与扩展练习
实验分析：如图所示，造成本实验预测精确度较低的的原因：1.网络结构过于简单，隐藏层数太少，神经元较少；
2.
2.未采用专家模式，对于一些权重（连接强度）分配不合理；
3.学习率设置不好
4.采用的方法不同
修改以上参数后，预测结果精度就会相应的增加
四、结论与讨论(重点)
1.反向传播是B—P反向传播模型较之于感知机最大的不同之处。
所谓反向传播，是指Ｂ－Ｐ模型通过输出节点的测量误差，来逐层估计隐节点的误差，即反方向传播误差，从而调整网络权值，以实现输出值的精准化。
B－P反向传播网络算法包括正向传播和反向传播两个阶段。
正向传播即从输入层到隐层到输出层，传播期间权值不变；预测误差计算出来后，便进入反向传播过程，即误差被反方向传回给输入节点。
传播期间所有的网络可能会均得到调整。
这种正向传播和反向传播过程不断重复，直到输出结果满足条件为止。
B－P反向传播网络正得名于此。
2.B-P反向传播模型中，隐层起起着相当大的作用，其作用是将线性不可分的样本转化为线性可分的样本。
所谓线性可分，指能使用一个超平面将两者分开，则为线性可分，否则则为线性不可分。
3.B-P反向传播模型中，可以通过改变网络结构在调整预测精度：比如增加隐层、
隐节点数量均可。
4.BP算法的执行步骤
在反向传播算法应用于前馈多层网络时，采用Sigmoid为激发面数时，可用下列步骤对网络的权系数Wij 进行递归求取。
注意对于每层有n个神经元的时候，即有i＝1，2，…，n；j＝1，2，…，n。
对于第k层的第i个神经元，则有n 个权系数Wi1 ，Wi2 ，…，Win ，另外取多—个Win+1 用于表示阀值θi ；并且在输入样本X时，取x＝(X1 ，X2 ，…，Xn ，1)。
算法的执行的步骤如下：
1．对权系数Wij 置初值。
对各层的权系数Wij 置一个较小的非零随机数，但其中Wi ,n+1=-θ。
2．输入一个样本X＝(xl ，x2 ，…，xn ，1)，以及对应期望输出Y＝(Y1 ，Y2 ，…，Yn )。
3．计算各层的输出
对于第k层第i个神经元的输出Xi k ，有：
Xi k =f(Ui k )
4．求各层的学习误差di k
对于输出层有k＝m，有
di m =Xi m (1-Xi m )(Xi m -Yi )
对于其他各层，有
5．修正权系数Wij和阀值θ
用式(1—53)时有：
用式(1—54)时有：
(格式按华南农业大学论文格式)。
商业智能分析实习报告
商业智能分析实习报告一、实习背景与目的随着互联网和大数据技术的飞速发展，商业智能（Business Intelligence, BI）逐渐成为企业核心竞争力的重要组成部分。
商业智能分析可以帮助企业深入了解业务运营状况、发现潜在商机、优化决策过程，从而提高企业效益。
本次实习旨在通过实际操作，掌握商业智能分析的基本技能，培养数据分析思维，并为企业提供有针对性的解决方案。
二、实习内容与过程1. 数据收集与清洗在实习过程中，首先需要从多个数据源收集所需的数据。
数据来源包括企业内部数据库、公开数据、第三方数据等。
收集到的数据往往存在缺失、异常、重复等问题，需要进行数据清洗，提高数据质量。
2. 数据存储与管理清洗后的数据需要存储到数据仓库中，以便进行后续分析。
数据仓库是一个中央ized data store that can provide data to any number of users for any purpose. 在实习过程中，需要学习如何使用数据仓库工具，如SQL、Excel等，对数据进行有效管理。
3. 数据探索与分析通过对数据进行探索性分析，了解数据的基本特征，如分布、趋势、关联等。
探索性分析有助于发现数据中的潜在规律和问题，为后续深入分析提供方向。
在实习过程中，需要运用统计学、数据挖掘等方法进行数据探索与分析。
4. 数据可视化与报告将分析结果以可视化形式展示，使复杂的数据变得直观易懂。
数据可视化工具如Tableau、Power BI等，可以帮助我们将数据转化为图表、仪表板等，便于企业决策者快速了解业务状况。
在实习过程中，需要学会使用可视化工具，生成具有针对性的报告。
5. 解决方案设计与实施根据数据分析结果，为企业提供有针对性的解决方案。
解决方案可能包括业务流程优化、市场策略调整、产品优化等。
在实习过程中，需要结合分析结果，提出可行的解决方案，并协助企业实施。
三、实习收获与反思通过本次实习，我深刻认识到商业智能分析在企业决策中的重要性，掌握了数据收集、清洗、存储、分析、可视化等基本技能，培养了一定的数据分析思维。
商务智能
徐州工程学院管理学院实验报告实验课程名称：商务智能实验地点：经济管理实验中心 2014 年 9 月至 2014 年 11 月专业信息管理与信息系统班级 11信管2班学生姓名学号指导老师实验报告实验一：使用SAP Crystal Reports创建报表使用SAP Crystal Dashboard Design 2011创建仪表盘实验学时：2实验日期：2014.9.15实验内容：一、使用SAP Crystal Reports创建报表(1)如果Crystal Reports中尚未显示开始页，单击“开始页”选项卡。
开始页的“新建报表”区域包含了多个向导，可引导完成创建特定类型报表的过程.(2)在“新建报表”区域中，单击“空白报表”。
出现“数据库专家”对话框。
注意：可以基于数据库文件、SQL/ODBC 数据源、业务视图以及其他各种数据源来创建报表。
二、使用SAP Crystal Dashboard Design 2011创建仪表盘（1）创建一个新的Xcelsius项目，并导入电子表格：开始→所有程序→ Xcelsius→Xcelsius 2008。
在工具栏上，单击“导入电子表格”。
选择 Excel文件exercise.xls，单击“打开”。
然后把条形图连接到电子表格。
在“组件”面板上，选择“条形图”图标拖到画布上并放在左上角中。
单击画布上的条形图打开其“属性”面板。
在“标题”区域中，删除“统计图标题”和“统计图副标题”框中的文本。
在“统计图标题”框中键入“XYZ 计算机”，在“统计图副标题”框中，键入“2008 年预测销售收入”。
在“值 (X) 轴”框中，键入“预测销售收入（以千元为单位）”，在“类别 (Y) 轴”框中，键入“产品线”。
当前常规属性中的标题设置如图14.15所示。
图14.15图14.16 属性设置（3）单击“预览”，查看当前结果，返回设计视图，单击“预览”，如图14.17。
图14.17 预览（4）使条形图具备假设分析功能。
商务智能实训报告心得
一、前言随着大数据时代的到来，商务智能（Business Intelligence，BI）在企业管理中的重要性日益凸显。
为了更好地理解和掌握商务智能的相关知识，提升自身在数据分析、业务洞察等方面的能力，近期我参加了商务智能实训课程。
以下是我在实训过程中的心得体会。
二、实训内容概述本次实训主要围绕商务智能的基本概念、数据仓库、数据挖掘、报表设计、数据分析等方面展开。
通过实际操作，我了解了商务智能在企业管理中的应用，掌握了相关工具和技术的使用方法。
1. 商务智能基本概念实训首先介绍了商务智能的基本概念，包括其定义、发展历程、应用领域等。
使我认识到，商务智能是企业获取竞争优势的重要手段，能够帮助企业实现数据驱动决策。
2. 数据仓库实训讲解了数据仓库的基本原理、架构和设计方法。
通过学习，我了解了数据仓库在数据整合、存储、管理等方面的作用，以及如何根据企业需求设计合适的数据仓库。
3. 数据挖掘数据挖掘是商务智能的核心技术之一。
实训中，我们学习了数据挖掘的基本概念、常用算法和工具。
通过实际操作，我掌握了数据挖掘的基本流程，能够运用相关技术进行数据分析和挖掘。
4. 报表设计报表设计是商务智能可视化展示的重要环节。
实训中，我们学习了报表设计的基本原则、工具和技巧。
通过实际操作，我能够根据企业需求设计出直观、易懂的报表。
5. 数据分析数据分析是商务智能的关键应用。
实训中，我们学习了数据分析的基本方法、工具和技巧。
通过实际操作，我能够运用数据分析技术解决实际问题，为企业提供决策支持。
三、实训心得体会1. 理论与实践相结合本次实训将理论知识与实际操作相结合，使我更加深入地理解了商务智能的概念、原理和应用。
在实训过程中，我学会了如何运用所学知识解决实际问题，提高了自己的实践能力。
2. 工具与技术的掌握实训中，我们学习了多种商务智能工具和技术，如数据仓库、数据挖掘、报表设计等。
通过实际操作，我掌握了这些工具和技术的使用方法，为今后在实际工作中应用商务智能奠定了基础。
商务智能实验报告
《数据挖掘与商务智能实验》实验报告实验题目:数据挖掘得基本数据分析姓名:王俊学号:2指导教师: 张大斌实验时间:201611、102016年11月10日实验题纲:一、实验目得1）熟悉基本数据分析得处理流程。
2）进一步熟练掌握拍SPSS Modeler工具得操作。
二、实验内容内容一:数据得质量探索步骤1 建立数据流1)在“源”中通过拖入“Statistics”文件节点读入Telephone、sav 数据。
2)建立“类型”节点,并说明各个变量角色。
这里指定“流失”为目标变量。
3）选择“输出”选项卡中“数据审核”节点并将其连接到数据流得恰当位置,点击鼠标右键,在“质量”选项卡下,选择检测方法为平均值得标准差。
步骤2 结果输出实验结果输出如图所示。
图中蓝色部分表示输出变量取YES,即客户流失得样本数,可以瞧出,各个变量上流失客户得取值均不同。
内容二:基本描述分析这里分析得目标就是对电信客户数据得基本服务、开通月数、免费部分与无线费用之间得相关系数以反映变量之间得相互关系。
步骤1 建立数据流选择“输出”选项卡中得“统计量”节点。
步骤2 设置相关参数1）双击“统计量”节点,进行相应得设置。
在“检查”框中添加开通月数、基本费用、免费部分与无线费用。
2）在“相关”框中添加年龄、收入与家庭人数。
如图所示。
3)在“相关设置”中,勾选“按重要性定义相关强度”。
如图所示。
计算结果如图所示。
可以瞧出,以“基本费用”为例,它与“年龄”与“收入”都有相关性,它们之间简单相关系数虽然为0、401与0、195,但从统计量得角度来瞧有95%以上得把握认为它们之间就是非0相关。
“基本费用”与“家庭人数”呈负弱相关。
内容三:绘制散点图数值之间变量得相关性可以采用上一个实验,也可以通过散点图来直接观察,此次主要观察基本费用与年龄之间得相关性。
步骤1 构建数据流选择“图形”选项卡中得“图”节点。
步骤2 设置相关参数1）双击“图”节点,选择编辑菜单,进行参数窗口得设置。
商务智能实验报告总结(3篇)
第1篇一、实验背景随着大数据时代的到来，商务智能（Business Intelligence，BI）在企业中的应用越来越广泛。
商务智能通过收集、处理、分析和展示企业内部和外部的数据，为企业提供决策支持，帮助企业提高运营效率、降低成本、发现市场机会。
本实验旨在通过模拟商务智能系统的应用，让学生了解商务智能的基本原理、方法和技术，培养学生的数据分析能力。
二、实验目的1. 了解商务智能的基本概念、原理和方法。
2. 掌握商务智能系统的搭建、数据采集、处理和分析方法。
3. 培养学生运用商务智能技术解决实际问题的能力。
4. 提高学生的团队合作意识和沟通能力。
三、实验内容1. 商务智能系统搭建实验中，我们选择了某电商企业作为研究对象，搭建了一个商务智能系统。
系统包括数据采集、数据存储、数据处理、数据分析和数据展示等模块。
2. 数据采集通过企业内部数据库、电商平台数据、社交媒体数据等多渠道采集数据，包括用户行为数据、交易数据、市场数据等。
3. 数据处理对采集到的原始数据进行清洗、整合、转换等操作，确保数据质量，为后续分析提供可靠依据。
4. 数据分析运用商务智能工具，对处理后的数据进行多维度分析，包括用户行为分析、市场趋势分析、产品分析等。
5. 数据展示通过可视化工具，将分析结果以图表、报告等形式展示，为企业决策提供有力支持。
四、实验过程1. 实验前期准备（1）明确实验目的，确定研究对象。
（2）了解商务智能相关理论知识，掌握相关工具和技能。
（3）组建实验团队，明确分工。
2. 实验实施（1）数据采集：通过企业内部数据库、电商平台数据、社交媒体数据等多渠道采集数据。
（2）数据处理：对采集到的原始数据进行清洗、整合、转换等操作。
（3）数据分析：运用商务智能工具，对处理后的数据进行多维度分析。
（4）数据展示：通过可视化工具，将分析结果以图表、报告等形式展示。
3. 实验总结实验过程中，我们遇到了以下问题：（1）数据采集困难：部分数据来源有限，数据质量参差不齐。
商务智能实验报告册
随着信息技术的飞速发展，大数据时代已经到来。
商务智能（Business Intelligence，BI）作为一种利用先进技术对数据进行收集、处理、分析和展示的方法，已成为企业提升竞争力、优化决策的重要手段。
为了让学生深入了解商务智能的理论和实践，我们开展了商务智能实验课程。
二、实验目的1. 理解商务智能的基本概念、技术方法和应用领域；2. 掌握商务智能软件的使用方法，如Power BI、Tableau等；3. 培养学生分析数据、挖掘信息、解决实际问题的能力；4. 提高学生团队合作和沟通能力。
三、实验内容1. 商务智能基础知识（1）商务智能的定义、发展历程和未来趋势；（2）商务智能的关键技术，如数据仓库、数据挖掘、数据可视化等；（3）商务智能应用领域，如市场营销、客户关系管理、供应链管理、人力资源管理等。
2. 商务智能软件应用（1）Power BI：学习Power BI的基本操作，包括数据连接、数据建模、数据可视化等；（2）Tableau：学习Tableau的基本操作，包括数据连接、数据操作、数据可视化等。
3. 实际案例分析（1）选取一家企业，收集相关数据，分析其业务状况；（2）运用商务智能软件，对收集到的数据进行处理和分析；（3）根据分析结果，提出针对性的建议，帮助企业优化业务。
1. 实验准备：了解实验内容，熟悉实验软件，准备实验数据。
2. 数据收集：收集企业业务数据，包括销售数据、客户数据、财务数据等。
3. 数据处理：运用商务智能软件，对收集到的数据进行清洗、整合、建模等操作。
4. 数据分析：根据实验目的，对处理后的数据进行深入分析，挖掘有价值的信息。
5. 结果展示：运用商务智能软件，将分析结果以图表、报表等形式展示。
6. 撰写实验报告：总结实验过程、实验结果和实验心得。
五、实验成果1. 理论知识：掌握商务智能的基本概念、技术方法和应用领域；2. 实践技能：熟练运用商务智能软件，具备数据分析、挖掘信息的能力；3. 团队合作：与同学共同完成实验，提高团队协作和沟通能力；4. 解决问题：针对实际问题，提出优化建议，为企业创造价值。
商务智能与数据挖掘实验报告
商务智能与数据挖掘实验报告课程：商务智能与数据挖掘地点:L2607时间：2012年5月13日==Summary ====Detailed Accuracy By Class ===0.8241Weighted Avg. 0.885 =Confusion Matrix === ab<—classifiedas 14 31 a = N 0 91 b = Y minNumObj 2345Correctly Classified Instances23 22 23 23 (8&4615%)(84.6154%)(8&4615%)(88.4615%)由上表，可知minNumObj 为2时，准确率最高。
根据测试数集，利用准确率最高的模型得到的结果:PrecisionRecall F-McasurcROC AreaClass1 0.824 0.903 0.892 N ().75 1 0.857 0.892 Y0.9130.8850.8870.892Correctly Classified Instances Incorrectly Classified Instances Kappa statistic Mean absolute error Root mean squared error Relative absolute error Root relative squared error Total Number of Instances 23 88.4615 % 311.5385 %0.7636 0.141 0.3255 30.7368 % 68.0307 % 26TP Rate 系统默认trees-J48决策树算法中minNumObj=2,得到如下结果FP Rate 0 ().176［制Weka Classifier Tree Visualizer: 11:22:13 ・ trees.J48 （旳帖02）［u> ］回j Tree View分析说明：在用J48对数据集进行分类时采用了10折交叉验证(Folds=10)来选择和评估模型，其中属性值有两个Y, No 一部分结果如下：Correctly Classified Instances 23 88.4615 %Incorrectly Classified Instances 3 11.5385 %===Confusion Matrix ==a b <— classified as14 31 a = N0 91 b = Y这个矩阵是说，原来是“Y”的实例，有14个被止确的预测为“Y”,有3个错误的预测成了原本是“NO”葩实例有0个被止确的预测成为“Y”，有9个正确的预测成了“N”。
零售业商务智能实验报告
一、实验背景随着信息技术的飞速发展，大数据、云计算等新兴技术的应用日益广泛，商务智能（BI）技术在零售业中的应用也越来越受到重视。
通过商务智能技术，零售企业可以更好地了解市场需求，优化库存管理，提升销售业绩，增强竞争力。
本实验旨在通过模拟零售业商务智能应用，让学生了解商务智能的基本原理和操作方法，提高学生运用商务智能技术解决实际问题的能力。
二、实验目的1. 理解商务智能的基本概念和原理。
2. 掌握商务智能工具的基本操作方法。
3. 学会运用商务智能技术分析零售业数据，解决实际问题。
4. 提高数据分析和决策能力。
三、实验内容1. 实验环境- 操作系统：Windows 10- 数据库：MySQL 5.7- 商务智能工具：Tableau 10.52. 实验步骤（1）数据收集与整理从某零售企业获取销售数据、库存数据、客户数据等，导入数据库中，并整理成适合分析的数据格式。
（2）数据可视化使用Tableau工具，对收集到的数据进行可视化分析，包括：- 销售趋势分析：展示不同时间段的销售额变化趋势。
- 产品销售分析：展示不同产品的销售情况，包括销售额、销售量等。
- 客户分析：展示不同客户的消费行为，包括消费金额、消费频率等。
（3）数据挖掘使用Tableau的数据挖掘功能，对销售数据进行分析，包括：- 顾客细分：根据顾客的消费行为，将顾客划分为不同的群体。
- 预测销售：根据历史销售数据，预测未来的销售趋势。
- 关联分析：分析不同产品之间的销售关联性。
（4）决策支持根据分析结果，提出以下决策建议：- 优化库存管理：根据销售预测，调整库存策略，减少库存积压。
- 提升销售业绩：针对不同顾客群体，制定相应的营销策略。
- 优化产品结构：根据销售数据，调整产品结构，满足市场需求。
四、实验结果与分析通过商务智能技术对零售业数据的分析，得出以下结论：1. 销售趋势分析显示，特定时间段内销售额呈现上升趋势，说明该时间段市场需求旺盛。
商业智能实习报告
商业智能实习报告在当今数字化的商业环境中，商业智能（Business Intelligence，简称 BI）正逐渐成为企业决策的重要支撑工具。
为了更深入地了解和掌握这一领域，我有幸在实习公司名称进行了为期实习时长的商业智能实习。
通过这次实习，我不仅对商业智能的理论知识有了更深刻的理解，还积累了丰富的实践经验，同时也对自己的职业规划有了更清晰的认识。
一、实习单位及岗位介绍实习公司名称是一家在行业内具有较高知名度的公司类型企业，致力于公司主要业务领域。
公司拥有先进的技术和管理理念，注重数据驱动的决策和创新。
我所在的部门是部门名称，主要负责商业智能项目的开发和实施。
我的岗位是商业智能实习生，在实习期间，我的主要工作包括协助团队收集和整理业务数据、构建数据仓库、设计和开发数据分析报表，以及参与数据可视化和数据分析模型的构建。
二、商业智能的概念和应用商业智能是指通过收集、整合、分析和展示企业内部和外部的数据，以支持企业的决策制定和业务优化。
它涵盖了数据仓库、数据挖掘、联机分析处理（OLAP）、数据可视化等技术和方法。
在实际应用中，商业智能可以帮助企业实现以下目标：1、提高决策效率和质量：通过快速准确地提供数据和分析结果，帮助决策者做出更明智的决策。
2、优化业务流程：发现业务流程中的瓶颈和问题，进行优化和改进。
3、预测市场趋势：基于历史数据和分析模型，预测市场的发展趋势，为企业的战略规划提供依据。
4、客户关系管理：深入了解客户需求和行为，提高客户满意度和忠诚度。
三、实习工作内容（一）数据收集与整理在实习初期，我主要负责协助团队收集和整理业务数据。
这包括从公司内部的各个业务系统中提取数据，如销售系统、财务系统、人力资源系统等，同时也需要从外部数据源获取相关数据，如市场调研数据、行业报告等。
在收集数据的过程中，我需要确保数据的准确性和完整性，并对数据进行初步的清洗和预处理，去除重复数据、缺失值和异常值等。
（二）数据仓库构建数据仓库是商业智能的核心基础，它用于存储和管理企业的历史数据和整合后的业务数据。
商务智能实训实验报告
商务智能实训实验报告组长：李承冲2012211195组员：姜俏南2012211172刘启丽2012211171贾晓锋2012211173王昱2012211194陆为2012211180一、BP算法.................................................................................................................................. - 0 -1.算法介绍........................................................................................................................... - 0 -2.BP网络的解析步骤.......................................................................................................... - 2 -3.运行的可视结果............................................................................................................... - 3 -4.算法特点分析................................................................................................................... - 4 -5.发展趋势........................................................................................................................... - 5 -6.参考文献........................................................................................................................... - 5 -二、Apriori算法 .......................................................................................................................... - 5 -1.算法介绍........................................................................................................................... - 5 -2.算法流程........................................................................................................................... - 5 -3.运行的可视结果............................................................................................................... - 6 -4.最新改进或最新应用情况............................................................................................... - 8 -5.参考文献列表................................................................................................................... - 8 -三、Bays算法............................................................................................................................. - 9 -1.算法介绍........................................................................................................................... - 9 -2.伪代码及流程................................................................................................................... - 9 -3.运行的可视结果............................................................................................................. - 10 -4.最新改进及最新应用情况............................................................................................. - 11 -5.参考文献列表................................................................................................................. - 11 -四、ID3算法 ............................................................................................................................. - 12 -1.算法介绍......................................................................................................................... - 12 -2.流程................................................................................................................................. - 12 -3.运行的可视结果............................................................................................................. - 12 -4.不足及改进思路............................................................................................................. - 12 -5.参考文献列表................................................................................................................. - 13 -五、kNN算法............................................................................................................................ - 13 -1.算法介绍......................................................................................................................... - 14 -2.算法流程......................................................................................................................... - 14 -3.运行的可视结果............................................................................................................. - 14 -4.算法特点分析................................................................................................................. - 15 -5.最新改进或最新应用情况............................................................................................. - 15 -六、K均值算法....................................................................................................................... - 16 -1.算法介绍......................................................................................................................... - 16 -2.流程................................................................................................................................. - 16 -3.运行的可视结果............................................................................................................. - 17 -4.最新改进或最新应用情况............................................................................................. - 20 -5.参考文献列表................................................................................................................. - 20 - 附录 ............................................................................................................................................ - 20 -1.BP算法代码.................................................................................................................... - 21 -2.Apriori算法代码.......................................................................................................... - 51 -3.B ays算法代码................................................................................................................ - 60 -4.ID3算法代码.................................................................................................................. - 90 -5.kNN算法代码.................................................................................................................. - 99 -6.K均值算法代码............................................................................................................ - 102 -一、BP 算法1.算法介绍典型的BP 网络分为三层（图4.4），即输入层、隐含层和输出层。