智能家居是利用先进的技术，融合个性需求，将与家居生 新功能，就能开拓新市场，实现产品的智能化。根据家居 的智能化，分析客户行为，识别不同客户群的特征、加深 对客户的理解等。（以热水器为例，分析客户行为） 针对不同的客户群提供个性化产品、改进新产品的智能化 的研发和制定相应的营销策略。 初步分析： 热水器在状态发生改变或者有水流状态时，每2秒会采集—条流水数据 。因为用户行为不仅仅只有洗浴还存在其他的用水事件：比如洗手、洗 菜等，所以热水器采集的数据来自各种不同的用水事件。 基于热水器采集的数据，根据水流量和停顿时间间佃划分为不同大小的 时间区间，每个区间是—个可理解的—次完整用水事件，并以热水器— 次完整用水事件作为—个基本事件。 从独立的用水事件中识别出其中属于洗浴的事件。

随着当今个人手机终端的普及，出行群体中手机拥有率和 使用率已达到相当高的比例，手机移动网络也基本实现了 城乡空间区域的的覆盖情况，将 至现实的地理空间中用户的现实活动轨迹，从而挖掘得到人口空间分布与活动联 系特征信息。移动通信网络的信号覆盖从逻辑上被设计成 由若干六边形的基站小区相互邻接而构成的蜂窝网络面状 服务区，手机终端总是与其中某一个基站小区保持联系， 移动通信网络的控制中心会定期或不定期地主动或被动地 记录每个手机终端时间序列的基站小区编号信息。 随着当今个人手机终端的普及，出行群体中手机拥有率和 使用率已达到相当高的比例，手机移动网络也基本实现了 城乡空间区域的 的覆盖情况，将 至现实的地理空 户的现实活动轨迹，从而挖掘得到人口空间分布与活动联 系特征信息。移动通信网络的信号覆盖从逻辑上被设计成 由若干六边形的基站小区相互邻接而构成的蜂窝网络面状 服务区，手机终端总是与其中某一个基站小区保持联系， 移动通信网络的控制中心会定期或不定期地主动或被动地 记录每个手机终端时间序列的基站小区编号信息。

电能的大容量、长距离输送，主要 依靠架空线路，它们长期暴露于大气环 境之中，易受雷电、台风、暴雨、覆冰、山火等气象灾害的影响而导致故障。 台风、雷电等极端自然灾害在短时间内 会造成电网的多个设备故障，加上潮流 的转移、保护装置拒、误动的推波助澜，进—步加剧相继开断，甚至造成大面 积停电。 1)台风 广东平均每年有4~5个台风经过，是受台风灾害较严重的地区之—。台风 通过极大的风压和暴雨直接摧毁输电杆塔、输电线和风电场，或引发输电线不 规则舞动，或刮倒树木，刮起异物造成断线或短路，其影响与台风强度、路径 、输电线走向及地形等因素有关。 2)雷电 雷电是造成输电线路跳闸的主要原因。雷电通过机械、热力和电磁效应影 响电力系统：机械效应劈裂或倒塌建筑架构；热力效应熔化导体或热爆避雷针 ；电磁效应通过冲击过电压引起绝缘闪络或击穿，干扰电力通信。落雷密度与 雷电强度、潮热程度及地形环境有关。 3)风偏放电 在强风或跑线风的作用下，绝缘子串向杆塔方向倾斜，减小了导线与杆塔 的空气间隙，当距离不能满足绝缘强度要求时就会发生放电，称为风偏放电。 输电线路风偏跳闸是影响输电线路安全稳定运行的主要原因之—。 4)暴雨 暴雨会影响电气设备绝缘，导致盗套管发生雨闪。其闪络电压与降雨强度 、雨水电阻率及降雨间歇性有关。高盐分的暴雨破坏性更大，而强风进—步增 加对电气设备密封的威胁，雨洪、泥石流和城市内滂会损害低洼处的电力设施 ，特别是跨河沟及滑坡体上的杆塔。 5)……

SPSS Modeler简介 SPSS Modeler 原名 Clementine，定－＾久享盛誉的数据挖掘平乙 软件。它提供完全可视化的图形化界面，主要通过数据流的形式实现 数据挖掘整＾过程，具有如下功能： 易学/直观的可视化用户界面：可视化的操作方法，无需在编写代码上 耗费精力和时间、广泛的数据挖掘功能、灵活多样的部署选项。 强劲的自动化建模能力：自动化的数据准备、丰富的模型算法和评估 手段。 开发且可扩展的体系结构：支持SQL推送，在标准数据库内的数据挖 掘。 SPSS Modeler简介 它包括6＾节点区：源数据节点(Sources)、记录处理节点(Record Ops)、字段(变量)处理节点(Field Ops)、图形节点(Graphs)、建立模 型节点(Modeling)和输出节点(Output)，用户建立模型的过程就 定把各＾节点区的节点以连线的方式连在－起。 SPSS Modeler软件从以下＝＾方面提供对中文的全方位支持：可以 读取和写入中文值和中文字段名；完全的中文操作界面和中文结果显 示；全面的中文帮助和中文使用手册，这在国外软件中定很少见的。 SPSS Modeler简介 它包括6＾节点区：源数据节点(Sources)、记录处理节点(Record Ops)、字段(变量)处理节点(Field Ops)、图形节点(Graphs)、建立模 型节点(Modeling)和输出节点(Output)，用户建立模型的过程就 定把各＾节点区的节点以连线的方式连在－起。 SPSS Modeler软件从以下＝＾方面提供对中文的全方位支持：可以 读取和写入中文值和中文字段名；完全的中文操作界面和中文结果显 示；全面的中文帮助和中文使用手册，这在国外软件中定很少见的。 SPSS Modeler安装 这里使用的版本为SPSS Modeler 14.1。可从官网或者网站 http://www.tipdm.org/jmgj/568.jhtml下载，双击安装盘根目录下 的setup.exe文件即可安装(注意：安装版本位数需与系统位数相匹配)。 安装过程默认点击下－步即可完成安装，点击安装目录bin目录下的 modelerclient.exe启动SPSS Modeler，或者通过开始菜单中快捷方 式启动SPSS Modeler 。

R是用千统计分析、绘图的语言和操作环境。R是属千GNU系统的一个 自由、免费、原代码开放的软件。主流用户以命令行操作 也有工程 师开发了图形化界面进行操作。它是一个用千统计计算和统计制图的 优秀工具 具有以下优势： R比其他统计学或数学专用的编程语言有更强的物件导向(面向对象程 序设计)功能。 用千作矩阵运算 其分析速度可比商业软件MATLAB。 它的使用很大程度上是借助各种各样的R包的辅助。从某种程度上讲 R包就是针对千R的插件 不同的插件满足不同的需求。 RStudio窗口介绍 代码栏可以进行代码的编辑 以及打开R脚本或者txt文本。创建新的 文件可以从File -> New里选择 打开文件可以从目录File -> Open 或 者从Open Recent目录里打开最近的文件。运行文件可以选择相应的 代码 点击Run按钮。 命令控制台 代码运行后 控制台会显示相应的代码或者返回结果。 也可以在命令控制台单独输入命令 和R的命令模式相同。 其他栏是有关千R使用方面的显示栏。可以在Packages目录下进行R 包的安装以及加载（包安装好后 并不可以直接使用 如果需要使用 包 必须每次使用前包加载到内存中 可以直接选择包或者在控制台 输入library(package_name) 命令）。在Help目录下关千R相关函数 或者命令的帮助。在Plot目录下会显示图形相关方面的描述；

MATLAB简介 MATLAB（矩阵实验室）是MATrix LABoratory的缩写，是一款由美 国MathWorks庄口出品的工程与科学计算软件。它提供一种用于算法 开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交 互式环境。它具有以下优势： MATLAB程序语言易学，其代码编辑、调试交互式环境比较人性化， 易于初学者上手； 具有较高的开放性，MATLAB不仅提供功能丰富的内置函数供用户调 用，也允许用户编写自定义函数来扩充功能； MATLAB是学术界和业界最常用的算法设计平台，具有丰富的网络资 源，很多用户根据自己的需要定义最新的算法或函数工具箱共享在互 联网上。 MATLAB安装 这里使用的版本为MATLAB R2014a。可从 https://cn.mathworks.com/programs/trials/trial_request.html?prodcod e=ML&s_iid=main_trial_ML_cta1下载，双击安装盘根目录下的 setup.exe文件即可安装（推荐安装64位版本，如果系统是32位则只 能安装32位版本）。 在安装的过程中可以选择使用在线安装或者离线安装两种方式，选择 在线安装需要提供用户名和密码，离线安装方式需要提供安装序列号 以及许可文件。

(1)数据质星分析 (2)数据特征分析 (3)MATLAB主要数据探索函数 篇外：了解你的数据 数据集的类型 腾性的不同类型 数据挖掘中特别的列 数据集的重要特性 数据集的类型 腾性的不同类型 数据挖掘中特别的列 数据集的重要特性

（1）数据清洗 （2）数据集成 （3）数据变换 （4）数据规约 （5）MATLAB主要数据预处理函数 在数据挖掘的过程中，数据预处理占到了整个过程的60%。 数据预处理的主要任务包括数据清洗，数据集成，数据变换和数据规约。 数据清洗主要是删除原始数据集中的无关数据、重复数据， 平滑噪声数据，处理缺失值、异常值等。

小结 本章主要根据数据挖掘的应用分类，重点介绍了对应的数据挖掘建模方 法及实现过程。通过对本章的学习，可在以后的数据挖掘过程中采用适 当的算法并按所陈述的步骤实现综合应用，更希望本章能给读者一些启 发，思考如何改进或创造更好的挖掘算法。 归纳起来，数据挖掘技术的基本任务主要体现在分类与预测、聚类、关 联规则、时序模式、离群点检测五个方面。 5.1分类与回归主要介绍了决策树和人工神经网络两个分类模型、回归分 析预测模型及其实现过程； 5.2聚类分析主要介绍了K-Means聚类算法，建立分类方法按照接近程度 对观测对象给出合理的分类并解释类与类之间的区别； 小结 5.3关联规则主要介绍了Apriori算法，以在一个数据集中找出各项之间的 关系； 5.4时序模式从序列的平稳性和非平稳型出发，对平稳时间序列主要介绍 了ARMA模型，对差分平稳序列建立了ARIMA模型，应用这两个模型对 相应的时间序列进行研究，找寻变化发展的规律，预测将来的走势； 5.5离群点检测主要介绍了基于模型和离群点的检测方法，是发现与大部 分其他对象显著不同的对象。 前5章是数据挖掘必备的原理知识，并为本书后面章节的案例理解和实验 操作奠定了理论基础。

小结 5.3关联规则主要介绍了Apriori算法，以在一个数据集中找出各项之间的 关系； 5.4时序模式从序列的平稳性和非平稳型出发，对平稳时间序列主要介绍 了ARMA模型，对差分平稳序列建立了ARIMA模型，应用这两个模型对 相应的时间序列进行研究，找寻变化发展的规律，预测将来的走势； 5.5离群点检测主要介绍了基于模型和离群点的检测方法，是发现与大部 分其他对象显著不同的对象。 前5章是数据挖掘必备的原理知识，并为本书后面章节的案例理解和实验 操作奠定了理论基础。 聚类分析——常用聚类分析算法 与分类不同，聚类分析是在没有给定划分类别的清况下，根据数据相似 度进行样本分组的一种方法。 与分类模型需要使用有类标记样本构成的训练数据不同，聚类模型可以 建立在无类标记的数据上，是一种非监督的学习算法。 聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度 将他们划分为若干组，划分的原则是组内样本最小化而组间（外部)距 离最大化