“数据挖掘”是指什么?!
“数据挖掘”是指什么?! 挖掘是指什么,数据又是什么那?!
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。 1。 数据挖掘能做什么? 1)数据挖掘能做以下六种不同事情(分析方法): · 分类 (Classification) · 估值(Estimation) · 预言(Prediction) · 相关性分组或关联规则(Affinity grouping or association rules) · 聚集(Clustering) · 描述和可视化(Des cription and Visualization) 2)数据挖掘分类 以上六种数据挖掘的分析方法可以分为两类:直接数据挖掘;间接数据挖掘 · 直接数据挖掘 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 理解成数据库中表的属性,即列)进行描述。
· 间接数据挖掘 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。 · 分类、估值、预言属于直接数据挖掘;后三种属于间接数据挖掘 3)各种分析方法的简介 · 分类 (Classification) 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,建立分类模型,对于没有分类的数据进行分类。
例子:a。 信用卡申请者,分类为低、中、高风险 b。 分配客户到预先定义的客户分片 注意: 类的个数是确定的,预先定义好的 · 估值(Estimation) 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 输出;分类的类别是确定数目的,估值的量是不确定的。
例子:a。 根据购买模式,估计一个家庭的孩子个数 b。 根据购买模式,估计一个家庭的收入 c。 估计real estate的价值 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。 · 预言(Prediction) 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,该模型用于对未知变量的预言。
从这种意义上说,预言其实没有必要分为一个单独的类。 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,即必须经过一定时间后,才知道预言准确性是多少。 · 相关性分组或关联规则(Affinity grouping or association rules)决定哪些事情将一起发生。
例子: 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) b。 客户在购买A后,隔一段时间,会购买B (序列分析) · 聚集(Clustering) 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 定义好的类,不需要训练集。
例子:a。 一些特定症状的聚集可能预示了一个特定的疾病 b。 租VCD类型不相似的客户聚集,可能暗示成员属于不同的亚文化群 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 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, 回答问题,可能效果更好。
· 描述和可视化(Des cription and Visualization) 是对数据挖掘结果的表示方式。 2。数据挖掘的商业背景 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。有价值对商业而言,不外乎三种情况:降低开销;提高收入;增加股票价格。
1)数据挖掘作为研究工具 (Research) 2)数据挖掘提高过程控制(Process Improvement) 3)数据挖掘作为市场营销工具(Marketing) 4)数据挖掘作为客户关系管理CRM工具(Customer Relationship Management) 3。
数据挖掘的技术背景 1)数据挖掘技术包括三个主要部分:算法和技术;数据;建模能力 2)数据挖掘和机器学习(Machine Learning) · 机器学习是计算机科学和人工智能AI发展的产物 · 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(如决策树) · 数据挖掘由来 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、长期从事预言模型的经济学家之间没有技术的重叠。 3)数据挖掘和统计 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 4)数据挖掘和决策支持系统 · 数据仓库 · OLAP(联机分析处理)、Data Mart(数据集市)、多维数据库 · 决策支持工具融合将数据仓库、OLAP,数据挖掘融合在一起,构成企业决策分析环境。
4。 数据挖掘的社会背景 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,没有人们想象中神秘,它不可能是完全正确的。 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。
答:详情>>
答:比较常见的是股票,基金,黄金,外汇,银行理财产品,期货等。找个大点的券商开户吧,君弘投资者俱乐部除了银行理财产品跟黄金不行,其他都能买卖,是专业的投资者俱乐部。详情>>
问:关于售前服务请大家帮忙!满意的答案我愿意给出更多的悬赏分!
答:关键是提供的投资理财的确对客户有帮助,如果我是一名客户我最关心的将是这个,一切的花言巧语投机取巧都是令人讨厌的. 当然诚恳的态度,高效的工作效率,将会令人更加的...详情>>
问:关于售前服务请大家帮忙!满意的答案我愿意给出更多的悬赏分!
答:关键是提供的投资理财的确对客户有帮助,如果我是一名客户我最关心的将是这个,一切的花言巧语投机取巧都是令人讨厌的. 当然诚恳的态度,高效的工作效率,将会令人更加的...详情>>