数据挖掘技术

数据挖掘技术,定义,数据挖掘（DataMining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。,分析客户使用分销渠道的情况和分销渠道的容量 ；建立利润评测模型；客户关系优化；风险控制等。 汇丰银行需要对不断增长的客户群进行分类，对每种产品找出最有价值的客户，通过数据挖掘的方法使营销费用减少了30。,实例,关联分析(associationanalysis),两个或两个以上变量的取值之间存在某种规律性，就称为关联。数据关联是数据库中存在的一类重要的、可被发现的知识。关联分为简单关联、时序关联和因果关联。关联分析的目的是找出数据库中隐藏的关联网。一般用支持度和可信度两个阀值来度量关联规则的相关性，还不断引入兴趣度、相关性等参数，使得所挖掘的规则更符合需求。,聚类分析(clusteringanalysis),聚类是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异。聚类分析可以建立宏观的概念，发现数据的分布模式，以及可能的数据属性之间的相互关系。,分类(classification),分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构造模型，一般用规则或决策树模式表示。分类是利用训练数据集通过一定的算法而求得分类规则。分类可被用于规则描述和预测。,实例,美国Firstar银行使用数据挖掘工具，根据客户的消费模式预测何时为客户提供何种产品。 GUS日用品零售商店需要准确的预测未来的商品销售量，降低库存成本，通过数据挖掘的方法使库存成本比原来减少了3.8%。,预测(prediction),预测是利用历史数据找出变化规律，建立模型，并由此模型对未来数据的种类及特征进行预测。预测关心的是精度和不确定性，通常用预测方差来度量。,时序模式(time-seriespattern),时序模式是指通过时间序列搜索出的重复发生概率较高的模式。与回归一样，它也是用己知的数据预测未来的值，但这些数据的区别是变量所处时间的不同。,偏差分析(deviationanalysis),在偏差中包括很多有用的知识，数据库中的数据存在很多异常情况，发现数据库中数剧存在的异常情况是非常重要的。偏差检验的基本方法就是寻找观察结果与参照之间的差别。,总结,因此，数据挖掘在商业上的用途可以描述为：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法等。,谢谢观赏,