Áp dụng các kỹ thuật phân lớp dữ liệu, hồi quy để dự báo số liệu sản xuất kinh doanh cho VNPT

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ Hoàng Tuấn Ninh ÁP DỤNG CÁC KỸ THUẬT PHÂN LỚP DỮ LIỆU, HỒI QUY ĐỂ DỰ BÁO SỐ LIỆU SẢN XUẤT KINH DOANH CHO VNPT LUẬN VĂN THẠC SĨ HÀ NỘI – 2009 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CƠNG NGHỆ Hồng Tuấn Ninh ÁP DỤNG CÁC KỸ THUẬT PHÂN LỚP DỮ LIỆU, HỒI QUY ĐỂ DỰ BÁO SỐ LIỆU SẢN XUẤT KINH DOANH CHO VNPT Ngành: Công nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60 48 05 LUẬN VĂN THẠC SĨ NGƢỜI HƢỚNG DẪN KHOA HỌC TS.Đỗ Văn Thành HÀ NỘI - 2009 -i- MỤC LỤC MỤC LỤC i DANH SÁCH HÌNH VẼ iii DANH SÁCH BẢNG BIỂU iv BẢNG THUẬT NGỮ v MỞ ĐẦU vi CHƢƠNG KHẢO CỨU CÁC PHƢƠNG PHÁP DỰ BÁO VỀ HOẠT ĐỘNG SẢN XUẤT KINH DOANH DOANH NGHIỆP Tổng quan phƣơng pháp dự báo 1.3 Dự báo định lượng phương pháp hồi quy 13 1.3.1.Hồi quy tuyến tính hồi quy bội 13 1.1.2 Hồi quy phi tuyến tính 14 1.4 Dự báo số liệu phương pháp chuỗi thời gian 15 1.4.1 Khái niệm chuỗi thời gian 15 1.4.2 Phân tích, dự báo chuỗi thời gian 16 1.4 Dự báo phương pháp phân lớp liệu 18 1.4.1 Phương pháp phân lớp dữliêu 18 1.4.2 Độ xác phân lớp 18 CHƢƠNG DỰ BÁO ĐỊNH LƢỢNG BẰNG PHƢƠNG PHÁP MẠNG NƠRON NHÂN TẠO 21 2.1 Mạng nơron nhân tạo 21 1) Khái quát mạng nơron 21 2.2 Mô hình mạng nơron nhân tạo 22 2.4 Thuật toán lan truyền ngược sai số 27 2.5 Thiết kế mạng nơron 29 1) Bước 1: Lựa chọn biến 30 2) Bước 2: Thu thập liệu 31 3) Bước 3: Tiền xử lý liệu 31 4) Bước 4: Xác định tập huấn luyện, tập kiểm tra đánh giá 34 5) Bước 5: Xác định mơ hình mạng nơron 35 6) Bước 6: Xác định hàm đánh giá sai số 40 7) Bước 7: Huấn luyện mạng nơron 40 8) Bước 8: Thực thi 45 CHƢƠNG DỰ BÁO KẾT QUẢ HOẠT ĐỘNG SXKD CHO VNPT BẰNG PHƢƠNG PHÁP MẠNG NƠRON NHÂN TẠO 47 - ii - 3.1 Xác định toán dự báo kết hoạt động sản xuất kinh doanh VNPT 47 3.2 Xác định hệ thống tiêu cần đƣợc phân tích, dự báo kết SXKD 47 3.2.1 Phân tích quy trình nghiệp vu báo cáo số liệu VNPT 47 3.2.2 Xác định hệ thống tiêu cần phân tích dự báo 49 3.3 Giải pháp dự báo định lƣợng kết SXKD VNPT 55 3.3.1 Mơ hình tổng thể hệ thống thông tin phuc vu dự báo định lượng .55 3.3.2 Giới thiệu tập số liệu vấn đề tiền xử lý số liệu 58 3.3.3 Phương pháp mạng nơrontrong dự báo số liệu SXKD VNPT 59 3.3.4 Phần mềm công cu hỗ trợ dự báo 60 3.4 Ứng dụng mạng Nơron để dự báo số liệu SXKD cho VNPT 69 3.4.1 Xác định biến dự báo 69 3.4.2 Thu thập liệu 69 3.4.3 Tiền xử lý liệu 69 3.4.4 Trích chọn liệu – Xây dựng tập huấn luyện 71 3.4.5 Xác định mơ hình mạng nơron 73 3.4.6 Xác định hàm đánh giá sai số 76 3.4.7 Huấn luyện mạng nơ ron 76 3.4.8 Dự báo số liệu 78 3.5 Kết thử nghiệm 79 a Thử nghiệm với số liệu điện thoại cố định 80 b Thử nghiệm với liệu mạng Internet 83 c Thử nghiệm với liệu mạng di động 84 3.6 Thiết kế Phần mềm dự báo số liệu SXKD cho VNPT 85 3.6.1 Sơ đồ phân rã chức 85 3.6.2 Biểu đồ ngữ cảnh 85 3.6.3 Sơ đồ phân rã chức 86 3.6.4 Sơ đồ quan hệ 87 3.6.5 Thiết kế liệu logic 88 3.6.6 Thiết kế chức xem số liệu 92 3.6.7 Thiết kế chức xây dựng mơ hình 93 3.6.8 Thiết kế chức dự báo số liệu 93 3.6.9 Thiết kế chức Cập nhật tập huấn luyện 94 KẾT LUẬN 95 TÀI LIỆU THAM KHẢO 97 - iii - DANH SÁCH HÌNH VẼ Hình Các phương pháp dự báo hoạt động SXKD doanh nghiệp 13 Hình Đánh giá độ xác phân lớp phương pháp holdout 19 Hình Mơ hình phi tuyến nơron 23 Hình Kết biến đổi afine ngưỡng 24 Hình Hai mơ hình phi tuyến nơron 25 Hình Chuyển đổi logarit số liệu buôn bán lúa gạo theo tháng .33 Hình Phương pháp kiểm tra cửa sổ trượt .35 Hình Hai phương pháp chia tỉ lệ thông dụng tập liệu S&P500 39 Hình Đồ thị lỗi trình huấn luyện kiểm tra mạng nơron .42 Hình 10 Giản đồ biểu diễn mặt phẳng lỗi mạng nơron .44 Hình 11 Mơ hình Hệ thống dự báo số liệu 55 Hình 12 Mơ hình Trích chọn liệu 56 Hình 13 Mơ hình Làm sạch, chuẩn hóa liệu 57 Hình 14 Xây dựng mơ hình liệu 57 Hình 15 Mơ hình Dự báo giá trị 58 Hình 16 Màn hình chương trình YALE 61 Hình 17 Mơ hình xử lý toán tử Yale 66 Hình 18 Màn hình chương trình WEKA 67 Hình 19 Cấu trúc kho liệu SXKD VNPT 70 Hình 20 Biểu đồ ngữ cảnh Hệ thống Dự báo số liệu 86 Hình 21 Sơ đồ quan hệ liệu Hệ thống Dự báo số liệu 87 Hình 22 Biểu đồ luồng liệu cho chức xem số liệu 92 Hình 23 Biểu đồ luồng liệu cho chức xây dựng mơ hình 93 Hình 24 Biểu đồ luồng liệu cho chức dự báo số liệu 93 Hình 25 Biểu đồ luồng liệu cho chức Cập nhật tập huấn luyện.94 - iv - DANH SÁCH BẢNG BIỂU Bảng So sánh YALE WEKA 68 Bảng Kết dự báo tiêu m420 tháng từ số liệu tháng .80 Bảng Kết dự báo tiêu m420 tháng 10 từ số liệu tháng 80 Bảng Kết dự báo tiêu m420 tháng từ số liệu tháng .80 Bảng Kết dự báo tiêu m410 tháng từ số liệu tháng .80 Bảng Kết dự báo tiêu m410 tháng từ tháng 81 Bảng Kết dự báo tiêu m410 tháng 10 từ tháng 81 Bảng Kết dự báo tiêu m425 tháng từ tháng 81 Bảng Kết dự báo tiêu m425 tháng từ tháng 81 Bảng 10 Kết dự báo tiêu m425 tháng 10 từ tháng 82 Bảng 11 Kết dự báo tiêu m425 tháng 11 từ tháng 82 Bảng 12 Kết dự báo tiêu m425 tháng 12 từ tháng 82 Bảng 13 Độ xác trung bình theo chu kỳ 83 Bảng 14 Độ xác trung bình theo tiêu 83 -v- BẢNG THUẬT NGỮ Từ viết tắt ARIMA CSDL DM DW KDD KPDL MLP SARIMA VNPT - vi - MỞ ĐẦU Trong kinh tế tri thức, ưu cạnh tranh thuộc doanh nghiệp nắm bắt đầy đủ, kịp thời khai thác có hiệu thơng tin Các doanh nghiệp thành công giới không ngừng đầu tư cho công cụ quản lý tri thức nhiều cấp độ khác nhau, mức thấp công cụ báo cáo, phân tích tình hình tài chính… dựa vào thơng tin từ phần mềm kế toán mức độ cao ứng dụng công nghệ Khai phá liệu nhằm khai thác kho liệu giúp nhà quản lý phân tích giá thành, thị trường khách hàng,… Cơng nghệ Khai phá liệu triển khai nhanh chóng dựa tảng phần cứng phần mềm sẵn có đáp ứng yêu cầu khai thác thông tin doanh nghiệp, nâng cao hiệu sử dụng thơng tin từ nguồn tài ngun sẵn có mang lại lợi ích to lớn cho doanh nghiệp Tại Việt Nam, có nhiều tổ chức, doanh nghiệp nước nhận thức tầm quan trọng lợi ích cơng nghệ Khai phá liệu Một số tổ chức, doanh nghiệp xây dựng kho liệu lưu trữ tồn thơng tin tổ chức, doanh nghiệp như: Kho liệu Kho bạc nhà nước, Kho liệu Ngân sách nhà nước Bộ Tài chính, Kho liệu Ngân hàng Nhà nước… Tuy nhiên, việc khai thác liệu từ kho tài nguyên đồ sộ chưa đạt hiệu mong muốn chưa phát triển công cụ phù hợp, chưa trích chọn phân tích liệu xác đáng Để đạt thông tin mong muốn từ nguồn liệu lớn đòi hỏi phải có đổi mặt kỹ thuật Là doanh nghiệp đầu việc đẩy mạnh khai thác sử dụng thông tin hỗ trợ hoạt động quản lý điều hành sản xuất kinh doanh, Tập đồn Bưu Viễn thơng Việt Nam (VNPT) có số phần mềm ứng dụng hỗ trợ quản lý điều hành sản xuất kinh doanh như: Hệ thống Báo cáo nhanh, Hệ thống báo cáo tài chính, Hệ thống quản lý tài sản, Hệ thống quản lý dự án Internet trường học… Sự đời “Hệ thống phần mềm báo cáo số liệu thông tin phục vụ quản lý, điều hành sản xuất kinh doanh Cơ quan Tập đoàn” (Hệ thống VRS) giúp đáp ứng nhu cầu báo cáo thông tin cách thống nhất, hệ thống, xác cập nhật, thay hiệu cho phương thức báo cáo, tổng hợp số liệu giấy tờ Đồng thời Hệ thống VRS đưa vào sử dụng cung cấp khối lượng thơng tin lớn khó xử lý phương pháp thủ cơng có, từ đặt nhu cầu hệ thống phần mềm hỗ trợ xử lý hiệu thơng tin - vii - Đề tài “Áp dụng kỹ thuật phân lớp liệu, hồi quy để dự báo số liệu SXKD cho VNPT” phát triển nhằm mục đích hỗ trợ phân tích, tổng hợp xử lý kho liệu, thông tin cách tự động, xác tích hợp với ứng dụng hỗ trợ quản lý sản xuất kinh doanh hoạt động khác Kết nghiên cứu đề tài hỗ trợ tích cực cho cơng tác xử lý số liệu dự báo tình hình SXKD Tập đồn, đồng thời góp phần đẩy mạnh cơng tác ứng dụng công nghệ thông tin vào hoạt động quản lý điều hành sản xuất kinh doanh Cơ quan Tập đoàn Hà Nội 10-2009 Người thực đề tài -8- CHƢƠNG KHẢO CỨU CÁC PHƢƠNG PHÁP DỰ BÁO VỀ HOẠT ĐỘNG SẢN XUẤT KINH DOANH DOANH NGHIỆP Tổng quan phƣơng pháp dự báo Trong năm gần , sư p ̣ hat triển manḥ me cua CNTT va nganh công ̃̃ nghiêp ̣ phần cưng đa lam cho kha thu thâp ̣ va lưu trư thông ̃́ thống thông tin tăng môṭcach mạnh mẽ hoạt động sản xuất , kinh doanh cung nhiều linh vưc ̣ ̃́ hoạt động khác tạo lượng liệu lưu trữ khổng đa đươc ̣ sư dung ̣ cac hoaṭđông ̣ san xuất , kinh doanh, quản lí , đo co ̃̃ ̃̉ nhiều CSDL cưc ̣ lơn Gigabyte , ̃́ tơi môṭyêu cầu cấp thiết la cần co nhưn ̃́ chuyển đổi lương ̣ dư liêụ khổng lồkia cac tri thưc co ich thuâṭKhai phádữliêụ đa ̃ra đời vàtrởthành môṭlinh̃ vưc ̣ thời sư ̣của CNTT thếgiới hiêṇ 1.1 Tổng quan dự báo * Dự báo gì? Dự báo nhận định tương lai Những nhận định có tảng vững thiếu tảng sở thuyết phục; chúng xác khơng xác trường hợp cá biệt tính trung bình; chúng chi tiết khơng chi tiết; chúng dựa mơ hình mang tính thơng tin Các dự báo đưa phương pháp với hệ hàng trăm phương trình ước lượng kinh tế lượng kiểm định chặt chẽ phương pháp gần sở để quan sát Do vậy, dự báo chủ đề rộng Trong lịch sử, hầu hết phương pháp mà người nghĩ hoạt động “tiên đốn” tương lai mang lại điều thử nghiệm * Có thể dự báo gì? Bởi dự báo đơn giản nhận định tương lai nên dự báo điều gì, dự báo lạm phát số giá tiêu dùng tháng tới, dự báo thời tiết ngày mai, mực nước biển tính trung bình dâng cao thêm sau 20 năm dân số trái đất vào ngày hơm hay giá trị số VN index thời điểm đầu năm 2010 Chúng ta không khẳng định kết dự báo thiết hữu ích * Mức độ tin cậy dự báo nào? -86- SXKD cho hệ thống, đưa yêu cầu dự báo, yêu cầu xây dựng mơ hình nhận kết dự báo trả lại từ chương trình Người dùng Yêu cầu xây dựng mơ hình u cầu xem số liệu Số liệu Hình 20 Biểu đồ ngữ cảnh Hệ thống Dự báo số liệu 3.6.3 Sơ đồ phân rã chức Hệ thống KPDL Xem Số liệu -87- 3.6.4 Sơ đồ quan hệ Chi tieu Giai Thuat PK GiaiThuatID TenGiaiThuat MoTa Tham So PK ThamSo TenTham GiaTri MoTa FK1 MohinhID Du lieu Internet PK ID FK1 TinhID m5831 m5832 m5833 m5834 m5835 m5836 Thang Nam Tac dong Internet PK Tacdon FK1 Hình 21 tentacd nhanto hanhdo mucdo ID Sơ đ -88- 3.6.5 Thiết kế dữ liệu logic Bảng NHIEMVU: lưu thông tin nhiệm vụ hệ thống Tên trƣờng NhiemvuID TenNhiemvu MoTa Bảng CHUKY: lưu thông tin loại chu kỳ hệ thống dự báo Tên trƣờng ChukyID TenChuky MoTa Bảng GIAITHUAT: lưu thông tin giải thuật hệ thống sử dụng để dự báo số liệu Tên trƣờng GiaithuatID Int(2) TenGiaithuat Varchar(255) MoTa Varchar(255) Bảng THAMSO: lưu thông tin tham số giải thuật tham số mô hình xây dựng Tên trƣờng ThamsoID TenThamso Giatri MoTa MohinhID Bảng KETQUA: lưu kết số liệu mà hệ thống dự báo Tên trƣờng KetquaID Giatri NgayTao -89- ChitieuID MohinhID Int(7) Int(7) Bảng CHITIEU: lưu thông tin tiêu sử dụng để xây dựng mô hình Tên trƣờng ChitieuID TenChitieu MaChitieu NhiemvuID Bảng TINH: lưu danh sách tỉnh Tên trƣờng TinhID TenTinh TenViettat Bảng MOHINH: lưu thơng tin mơ hình hệ thống xây dựng nên để dự báo số liệu Tên trƣờng MohinhID TenMohinh Lienket MoTa NgayTao ChitieuID NhiemvuID ChukyID GiaithuatID TinhID Thang Nam Bảng INTERNET: lưu số liệu SXKD tiêu Internet Tên trƣờng -90- ID TinhID m5831 m5832 m5833 m5834 m5835 m5836 Thang Nam Bảng DIDONG: lưu số liệu SXKD tiêu điện thoại di động Tên trƣờng ID TinhID m601 m602 m603 m604 m605 m606 m607 m608 Thang Nam Bảng CODINH: lưu số liệu SXKD tiêu điện thoại cố định Tên trƣờng ID TinhID m410 m420 m421 m422 m423 -91- m425 Thang Nam Bảng TACDONG_CODINH: lưu số liệu tác động môi trường tới tiêu điện thoại cố định Tên trƣờng tadongid tentacdong nhanto hanhdong mucdo codinhid Bảng TACDONG_HOITU: lưu số liệu tác động môi trường tới tiêu mạng hội tụ Tên trƣờng tadongid tentacdong nhanto hanhdong mucdo hoituid Bảng TACDONG_INTERNET: lưu số liệu tác động môi trường tới tiêu mạng Internet Tên trƣờng tadongid tentacdong nhanto hanhdong mucdo internetid -92- Bảng TACDONG_DIDONG: lưu số liệu tác động môi trường tới tiêu điện thoại di động Tên trƣờng tadongid tentacdong nhanto hanhdong mucdo didongid 3.6.6 Thiết kế chức xem số liệu Internet Số liệu Yêu cầu xem Người dùng Dữ liệu Xem liệu Cố định Hình 22 Biểu đồ luồng dữ liệu cho chức xem số liệu -93- 3.6.7 Thiết kế chức xây dựng mơ hình Chọn tiêu Người dùng Chọn đơn vị Tỉnh Hình 23 Biểu đồ luồng dữ liệu cho chức xây dựng mơ hình 3.6.8 Thiết kế chức dự báo số liệu Chọn tỉnh Người dùng Chọn tiêu Chỉ tiêu Hình 24 Mơ hình Biểu đồ luồng dữ liệu cho chức dự báo số liệu -94- 3.6.9 Thiết kế chức Cập nhật tập huấn luyện Internet Cập nhật số liệu Người dùng Dữ liệu Xem liệu Internet Hình 25 Biểu đồ luồng dữ liệu cho chức Cập nhật tập huấn luyện KẾT LUẬN CHƢƠNG Trong chương 3, luận văn phát biểu toán “Dự báo kết hoạt động SXKD VNPT”, thiết kế mạng nơron nhân tạo để giải toán theo bước: phân tích hoạt động SXKD VNPT để lựa chọn liệu đầu vào, tiền xử lý liệu, Xác định tập huấn luyện, tập kiểm thử, Xác định mơ hình mạng nơ ron, Huấn luyện mạng nơron Dự báo số liệu Sau đó, thơng qua cơng cụ khai phá liệu YALE, người thực đề tài ứng dụng mạng nơron nhân tạo để dự báo kết hoạt động SXKD cho VNPT với tiêu điện thoại di động, điện thoại cố định mạng Internet Quá trình thử nghiệm với số liệu thực tế VNPT cho kết tốt với độ xác dự báo trung bình khoảng 10% -95- KẾT LUẬN Trong kinh tế tri thức nay, thơng tin có vai trị định, nhiên thơng tin có giá trị khơng phải thông tin thô mà thông tin qua phân tích, tổng hợp Do đó, nghiên cứu xử lý thông tin ngày thể rõ tầm quan trọng ngày doanh nghiệp khắp giới quan tâm, đầu tư phát triển Tại Việt Nam, nhu cầu phân tích, xử lý thông tin đặc biệt khai phá, dự báo số liệu xuất từ lâu việc đáp ứng nhu cầu hạn chế, có số doanh nghiệp lớn Nhà nước đầu tư cho lĩnh vực Trong thực tiễn tiến trình hội nhập kinh tế quốc tế nước ta thời gian qua cho thấy để hoạt động sản xuất kinh doanh doanh nghiệp đạt hiệu quả, để doanh nghiệp cạnh tranh thành công thị trường điều quan trọng doanh nghiệp phải dự báo khả sản xuất kinh doanh sản phẩm Bởi nhu cầu đẩy mạnh hoạt động khai phá dự báo liệu doanh nghiệp ngày trở lên cần thiết cấp bách Trong bối cảnh vấn đề nghiên cứu ứng dụng luận văn hướng đắn có ý nghĩa thực tiến Luận văn trình bầy cách tổng quan dự báo, chức dự báo phương pháp dự báo định lượng chủ yếu ứng dụng doanh nghiệp Luận văn tập trung trình bầy cách tóm tắt số nội dung chủ yếu mạng nơron, trình bầy phương pháp phân lớp dự báo liệu mạng nơron Trên sở phân tích nhu cầu dự báo định lượng Tập đoàn VNPT, luận văn đề xuất toán thực dự báo số tiêu điện thoại cố định, điện thoại di động mạng Internet phương pháp mạng noron dựa công cụ khai phá liệu YALE tập số liệu thực tế Tập đoàn VNPT Kết dự báo khả quan Kết dự báo có độ xác cao so với thực tiễn kỳ dự báo gần; kỳ dự báo xa hơn, độ xác bị giảm xuống khơng nhiều khơng có khác biệt lớn với dự báo nhiều kỳ thời gian Kết dự báo cho cho thấy phương pháp dự báo số liệu mạng nơron nhân tạo có số điểm ưu việt như: -96- - Mơ hình có khả tự điều chỉnh tham số để thích nghi với biến động liệu trình sử dụng - Độ xác kết dự báo phụ thuộc vào liệu đầu vào, biến động thực tế thể số liệu Đề tài luận văn tiếp tục nghiên cứu phát triển theo hướng sau: - Hồn chỉnh mơ hình dự báo, xây dựng hồn thiện phần mềm dự báo số liệu SXKD cho VNPT nhằm tạo thuận tiện, dễ dàng cho người dùng sử dụng hệ thống - Mở rộng ứng dụng phương pháp dự báo luận văn sang số lĩnh vực kinh tế - xã hội khác dự báo tiêu kinh tế - xã hội chủ yếu, dự báo giá số chứng khoán, -97- TÀI LIỆU THAM KHẢO A - Sách tham khảo Tiếng Việt [1] Tạ Mạnh Cường (2006), Dự báo chuỗi liệu phu thuộc thời gian theo mùa vu mô hình Holt-Winters, Luận văn Ths, ĐH Cơng nghệ ĐHQGHN [2] Nguyễn Khắc Minh (2002), Các phương pháp phân tích dự báo kinh tế NXB Khoa học kỹ thu, ật Hà Nội, [3] Trần Văn Thái (2005), Phát tri thức theo mùa từ sở liệu chuỗi thời gian, Luận văn Ths, ĐH Công nghệ - ĐHQGHN [4] Đỗ Văn Thành (2007), Giải pháp dự báo ngắn hạn tăng trưởng kinh tế Việt Nam Tiếng Anh [5] C.C.Klimasauskas (1993), Applying neural network, in R.R Trippi and E Turban, eds., Neural Network in Finance and Investing: Using Artificial Intelligence to Improve Real World Performance, Chicago [6] Christopher M Bishop (1995), Neural Networks for Pattern Recognition Clarendon Press, Oxford [7] Danielle Graupe (2007), Principles of Artificial Neural Networks World Scientific [8] David Hand, Heikki Mannila, Padhraic Smyth (2001) Principles of Data Mining The MIT Press [9] G.J.Deboeck, Ed (1994), Trading on the Edge: Neural, Genetic and Fuzzy Systems for Chaotic Financial Markets Wiley, NewYork [10] Icebeling Kaastra, Milton Boyd (1995), Designing a neural network for forcasting finacial and economic time series [11]J.O.Katz (April 1992), Developing neural network forcasters for trading, Technical Analysis of Stocks and Commodities -98- [12] Jiawei Han and Michelle Kamber (2001), Data Mining: Concepts and Techniques Morgan Kaufmann [13] Joseph P.Bigus (1996), Data Mining Process with Neural Networks McGraw-Hill [14] Peter Cabena, Pablo Hadjinian, Rolf Stadler, Jaap Verhees, Alessandro Zanasi (1998), Discovering Data Mining, From Concept to Implementation Prentice Hall Ptr [15] T Masters (1993), Pratical Neural Networks Recipes in C++, Academic Press, NewYork B - Địa web [16] Tài liệu phần mềm http://www.cs.waikato.ac.nz/~ml/weka/ nguồn mở Tài liệu phần mềm nguồn mở Yale: http://www-ai.cs.unidortmund.de/SOFTWARE/YALE/index.html [17] [18] www.forecast.umkc.edu Weka: ... sử dụng để dự báo nhãn lớp cho mẫu liệu khác tương lai Các kỹ thuật phân lớp liệu chủ yếu để dự báo số liệu gồm có: phân lớp theo phương pháp Bayes, phân lớp theo định, phân lớp theo phương pháp... NGHỆ Hoàng Tuấn Ninh ÁP DỤNG CÁC KỸ THUẬT PHÂN LỚP DỮ LIỆU, HỒI QUY ĐỂ DỰ BÁO SỐ LIỆU SẢN XUẤT KINH DOANH CHO VNPT Ngành: Công nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60 48 05 LUẬN... thay xây dựng phân lớp, xây dựng k phân lớp từ tập liệu ban đầu, với mẫu cần phân lớp, phân lớp có kết dự báo nhãn dự báo nhiều phân lớp gán cho mẫu Kỹ thuật boosting tương tự kỹ thuật bagging