数据挖掘能做些什么

1、数据挖掘能做些什么,天马行空官方博客： ;QQ:1318241189,主要内容,概念描述 关联规则 分类与预测 聚类 分析方法,概念描述,概念描述（concept description） 概念：对一个包含大量数据的数据集合总体情况的概述。 概念描述(concept description)：对含有大量数据的数据集合进行概述性的总结并获得简明、准确的描述。,关联规则,关联规则（Association Rule） 关联规则挖掘就是发现大量数据中项集之间有趣的关联 关联规则挖掘的典型案例：购物篮问题 在商场中拥有大量的商品（项目），如：牛奶、面包等，客户将所购买的商品放入到自己的购物篮中。 通过发

2、现顾客放入购物篮中的不同商品之间的联系，分析顾客的购买习惯。 哪些物品经常被顾客购买？ 同一次购买中，哪些商品经常会被一起购买？ 一般用户的购买过程中是否存在一定的购买时间序列？,天马行空官方博客： ;QQ:1318241189,关联规则,基本表示形式： 前提条件结论支持度, 置信度 buys(x, “diapers”) buys(x, “beers”) 0.5%, 66% major(x, “CS”) takes(x, “DB”) grade(x, “A”) 1%, 75% 具体应用：利润最大化 商品货架设计：更加适合客户的购物路径 货存安排：实现超市的零库存管理 用户分类：提供个性化的服务

3、,天马行空官方博客： ;QQ:1318241189,分类与预测,分类与预测（Classification and Prediction） 研究已分类资料的特征，分析对象属性，据此建立一个分类函数或分类模型，然后运用该模型计算总结出的数据特征，将其他未经分类或新的数据分派到不同的组中。 预测是根据对象属性、过去的观察值和有关资料对该属性的未来值进行预测，预测使用的技巧主要是回归分析、神经网络方法等。,天马行空官方博客： ;QQ:1318241189,分类与预测,常用方法 决策树（decision tree） 贝叶斯分类（bayes classification） 人工神经网络（ANN） K最近邻

4、分类法（k-nearest neighbor classifier） 基于事例的推理（case-based reasoning） 遗传算法（genetic algorithm） 粗糙集方法（rough set approach） 模糊集方法（fuzzy set approach） 回归分析（regression analysis）,聚类,聚类分析（Clustering Analysis） 把数据对象的集合分组到不同的聚类中 聚类原则 同一类内的数据尽可能相似 不同类数据尽可能不相似 聚类实际上是一个无导师分类：没有预先给定类别信息,聚类,常用方法 基于划分的聚类分析方法 基于层次的聚类分析方法 基于密度的聚类分析方法 基于网格的聚类分析方法 基于模型的聚类分析方法,分析方法,特异点分析（Outlier Analysis） 与数据的一般行为或模式不一致。多数为噪声或异常数据，常被剔除。 在某些应用中，孤立点数据更有趣，如：银行诈骗，洗黑钱、恐怖行为。 有专门进行孤立点研究的方法与技术。统计方法是占主流，考察数据的分布，用距离来度量。,分析方法,演化分析（time series analysis） 对随时间变化的数据对象的变化规律和演化趋势进行建模分析。（时序数据库） 如对主要股票的交易数据进行建模分析。 方法 趋势和偏差: 回归分析 序列模式匹配：周