主要的预测算法有哪些,数据预测算法

预测的四种挖掘技术

1、神经网络方法。由于神经网络本身具有良好的鲁棒性、自组织适应性、自行处理性、分布存储和高度容错等特性，非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注和使用。
2、遗传算法。遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，是一种遗传仿生的全局优化方法。
3、决策树方法。决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的和潜在的信息。
4、粗集方法。粗集方法专注于研究不精确、不确定知识的数学工具。粗集方法有几个优点，不需要再提供额外信息；加强简化输入信息的表达空间；算法较为简单，容易操作操作。

数据挖掘中的预测算法有哪些

数据挖掘（六）：预测
http://blog.csdn.net/kingzone_2008/article/details/8977837

大数据预测分析方法有哪些

1、可视化分析

大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。

2、数据挖掘算法

大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。

3、预测性分析能力

大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。

4、数据质量和数据管理

大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。

这是一条来自#加米谷大数据-专注大数据人才培养#的小尾巴

常用的分类和预测算法有哪些

常用的分类与预测算法 根据挖掘目标和数据形式可以建立分类与预测、聚类分析、关联规则、时序模式、偏差检测。

怎样用Excel函数做数据预测

使用趋势线进行未来值计算的具体操作方法如下：
1.打开需要预测的表格所在工作表，选中数据区域，创建带数据标记的折线图，并进行适当调整，
2.单击“布局”选项卡“分析”组中的“趋势线”下拉按钮，在弹出的下拉菜单中选择“其他趋势线选项”命令，弹出“设置趋势线格式”对话框，
3.按照上一实例中介绍的方法，得出本例适合使用的趋势线类型为“对数”，故在“趋势预测/回归分析类型”选项区中选中“对数”单选按钮，并选中“显示公式”复选框，
4.单击“关闭”按钮，此时图表中的黑色趋势线已经显示出来，调整公式位置，

1.画散点图：

选择要预测的数据，绘制散点图，如下图所示；

2.添加趋势线：

选择一个点，单击右键，选择添加趋势线；

3.选择预测的函数：

从散点图上可以看出，点呈现指数增长形势；选择指数。同时勾选显示公式（很重要），点击确定。

4.计算预测值：

将公式输入到第三列，求值，可以看到实际值与预测值之间的差值，如果要预测，只要在数据基础上输入变量，如图中的8，即可预测出预测值。

介绍一个最简单的方法，请看图：
其中，1 月到8 月的数据是已知的，9 月的收入，也就是黄色背景的部分，是通过FORECAST
函数计算出来的这个是公式书写方法：FORECAST(x, known_y's,known_x's)我翻译一下：
FORECAST(要预测的Y 值所对应的X 值, 已知的Y 值序列, 已知的X 值序列)结合本例再翻译
一下：FORECAST(要预测哪个月的收入, 已知的每个月的收入序列, 与已知收入对应的月份序
列)这样解释明白了没？所以我写下了这样的公式：=FORECAST(J2,B1:I1,B2:I2)计算结果是
435，满意吗？其实这就是个很普通的线性回归。
我们用FORECAST，并非通过月份预测收入，而是通过许多个“(月份,收入)对”，找它们的规
律，预计未知月份的收入数据。回过头去看附图中的折线图表（实质上应该理解为连了线的
散点图）：深蓝色的点，就是“(月份,收入)对”在坐标中的位置，黑色的是趋势线，9 月所
对应的点是预测出来的，恰好对应趋势线的末端。
只要能看明白这个图，不再钻“收入”、“月份”等字眼的牛角尖，而只看其实质(x,y)，就不
所以不可对其太过依赖。
另外，如果决定认为线性回归是适合实际情况的算法，也就是说x 和y 确实具有比较强的线
性的相关性——也就是(x,y)对的那些点不至于排得太杂乱——那么，原则上(x,y)对的已知数
据越多，则预测结果越可靠。
最重要的一条： 还是人比较聪明，线性回归是人类智慧，FORECAST 也是人类智慧。EXCEL
的宏和VBA 功能，可以让人类的智慧得到更广阔和自由地发挥，这个以后找机会再来讨论。