您好、欢迎来到现金彩票网!
当前位置:秒速快3 > 数据挖掘 >

什么是数据挖掘?

发布时间:2019-07-21 16:27 来源:未知 编辑:admin

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  数据挖掘(Data Mining)是采用数学的、统计的、人工智能和神经网络等领域的科学方法,如记忆推理、聚类分析、关联分析、决策树、神经网络、基因算法等技术,从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些知识和规则建立用于决策支持的模型,提供预测性决策支持的方法、工具和过程。

  (1)、分类:按照分析对象的属性、特征,建立不同的组类来描述事物。例如:银行部门根据以前的数据将客户分成了不同的类别,现在就可以根据这些来区分新申请贷款的客户,以采取相应的贷款方案。

  (2)、聚类:识别出分析对内在的规则,按照这些规则把对象分成若干类。例如:将申请人分为高度风险申请者,中度风险申请者,低度风险申请者。

  (3)、关联规则:关联是某种事物发生时其他事物会发生的这样一种联系。例如:每天购买啤酒的人也有可能购买香烟,比重有多大,可以通过关联的支持度和可信度来描述。

  (4)、预测:把握分析对象发展的规律,对未来的趋势做出预见。例如:对未来经济发展的判断。

  (5)、偏差的检测:对分析对象的少数的、极端的特例的描述,揭示内在的原因。例如:在银行的100万笔交易中有500例的欺诈行为,银行为了稳健经营,就要发现这500例的内在因素,减小以后经营的风险。

  当然除了以上所列出的还有时间序列分析等一些其他的功能,需要注意的是:数据挖掘的各项功能不是独立存在的,在数据挖掘中互相联系,发挥作用。

  展开全部数据挖掘是从大量的数据中,抽取出潜在的、有价值的知识(模型或规则)的过程。

  目标是利用可用的数据建立一个模型,这个模型对剩余的数据,对一个特定的变量(可以

  目标中没有选出某一具体的变量,用模型进行描述;而是在所有的变量中建立起某种关系

  首先从数据中选出已经分好类的训练集,在该训练集上运用数据挖掘分类的技术,建立分

  估值与分类类似,不同之处在于,分类描述的是离散型变量的输出,而估值处理连续值的

  一般来说,估值可以作为分类的前一步工作。给定一些输入数据,通过估值,得到未知的

  连续变量的值,然后,根据预先设定的阈值,进行分类。例如:银行对家庭贷款业务,运

  用估值,给各个客户记分(Score 0~1)。然后,根据阈值,将贷款级别分类。

  通常,预言是通过分类或估值起作用的,也就是说,通过分类或估值得出模型,该模型用

  预言其目的是对未来未知变量的预测,这种预测是需要时间来验证的,即必须经过一定时

  a. 超市中客户在购买A的同时,经常会购买B,即A = B(关联规则)

  聚集是对记录分组,把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先

  聚集通常作为数据挖掘的第一步。例如,哪一种类的促销对客户响应最好?,对于这一

  类问题,首先对整个客户做聚集,将客户分组在各自的聚集里,然后对每个不同的聚集,

  数据挖掘首先是需要商业环境中收集了大量的数据,然后要求挖掘的知识是有价值的。有

  · 机器学习分为两种学习方式:自组织学习(如神经网络);从例子中归纳出规则(如决

  数据挖掘是八十年代,投资AI研究项目失败后,AI转入实际应用时提出的。它是一个新兴

  的,面向商业应用的AI研究。选择数据挖掘这一术语,表明了与统计、精算、长期从事预

  统计也开始支持数据挖掘。统计本包括预言算法(回归)、抽样、基于经验的设计等

  · OLAP(联机分析处理)、Data Mart(数据集市)、多维数据库

  数据挖掘与个人预言:数据挖掘号称能通过历史数据的分析,预测客户的行为,而事实上

  ,客户自己可能都不明确自己下一步要作什么。所以,数据挖掘的结果,没有人们想象中

  客户的行为是与社会环境相关连的,所以数据挖掘本身也受社会背景的影响。比如说,在

  美国对银行信用卡客户信用评级的模型运行得非常成功,但是,它可能不适合中国

http://talkingwithjon.com/shujuwajue/740.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有