热线电话:13121318867

登录
首页精彩阅读数据挖掘基本任务
数据挖掘基本任务
2017-05-02
收藏

数据挖掘基本任务

数据挖掘主要做什么?换而言之,数据挖掘主要解决什么问题呢?这些问题,可以归结为数据挖掘的基本任务。

数据挖掘的基本任务包括分类与预测、聚类分析、关联规则、奇异值检测和智能推荐等。通过完成这些任务,发现数据的价值,指导商业抉择,带来商业新价值。

关于这些基本任务,简单描述如下。实际上对每个基本任务,可以看做是数据挖掘所能解决问题的一种类型。对于每个任务,可以从其定义、方法、评价和应用四个方面来认识。

分类与预测,一种基于类标号的学习方式,这种类标号若是离散的,属于分类问题;若是连续的,属于预测问题,或者称为回归问题。从广义上来说,不管是分类,还是回归,都可以看做是一种预测,差异就是预测的结果是离散的还是连续的。

聚类分析,就是“物以类聚,人以群分”在原始数据集中的运用,其目的是把原始数据聚成几类,从而使得类内相似度高,类间差异性大。

关联规则数据挖掘可以用来发现规则,关联规则属于一种非常重要的规则,即通过数据挖掘方法,发现事务数据背后所隐含的某一种或者多种关联,从而利用这些关联来指导商业决策和行为。

奇异值检测,根据一定准则识别或者检测出数据集中的异常值,所谓异常值就是和数据集中的绝大多数据表现不一致。

智能推荐,这是数据挖掘一个很活跃的研究和应用领域,在各大电商网站中都会有各种形式推荐,比方说同类用户所购买的产品,与你所购买产品相关联的产品等。

对于每一种基本任务,除了了解它们具体可以做什么,重要的是要学习每一个任务有哪些行之有效的方法。举个例子来说,分类与预测,常用的方法有决策树神经网络、最近邻、朴素贝叶斯支持向量机随机森林等,因而对于这些典型的方法具体原理是什么,怎么使用,各自有着什么样的特点,都应该深入地理解,接下来就是针对特定数据挖掘问题,思考其属于哪一种类型的任务,然后根据任务的具体特点,选择合适的方法来处理,并且对基于各种方法所建立的数据挖掘模型,要进行客观地评估,已选择最佳模型。

对于每一个基本任务具体有哪些方法,我会在后续进行总结。在这里,仅是说说数据挖掘主要解决什么问题,至于对于这些问题具体怎么来解决,针对每一种类型,会在后续的文章中逐一说来。


数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询