數(shù)據(jù)挖掘流程？1.分類：找出數(shù)據(jù)庫中一組數(shù)據(jù)對象的共同特征，根據(jù)分類模型將其劃分到不同的類中。其目的是通過分類模型將數(shù)據(jù)庫中的數(shù)據(jù)項映射到給定的類別?？蓱?yīng)用于客戶分類、客戶屬性和特征分析、客戶滿意度分

數(shù)據(jù)挖掘流程？

1.分類：找出數(shù)據(jù)庫中一組數(shù)據(jù)對象的共同特征，根據(jù)分類模型將其劃分到不同的類中。其目的是通過分類模型將數(shù)據(jù)庫中的數(shù)據(jù)項映射到給定的類別?？蓱?yīng)用于客戶分類、客戶屬性和特征分析、客戶滿意度分析、客戶購買趨勢預(yù)測等。

數(shù)據(jù)挖掘的主要方法？

1.分類。分類是找出數(shù)據(jù)庫中一組數(shù)據(jù)對象的共同特征，并根據(jù)分類模型將其劃分到不同的類中。其目的是通過分類模型將數(shù)據(jù)庫中的數(shù)據(jù)項映射到給定的類別。

可應(yīng)用于客戶分類、客戶屬性和特征分析、客戶滿意度分析、客戶購買趨勢預(yù)測等。例如，一家汽車零售商根據(jù)客戶對汽車的偏好將客戶分為不同的類別，這樣營銷人員就可以將新車的廣告宣傳冊直接郵寄給有這種偏好的客戶，從而大大增加了商機(jī)。

2.回歸分析?；貧w分析方法反映事務(wù)數(shù)據(jù)庫中屬性值的時間特性，生成將數(shù)據(jù)項映射到一個實值預(yù)測變量的函數(shù)，發(fā)現(xiàn)變量或?qū)傩灾g的依賴關(guān)系。其主要研究問題包括數(shù)據(jù)序列的趨勢特征、數(shù)據(jù)序列的預(yù)測以及數(shù)據(jù)之間的相關(guān)性。

1-@qq.com

數(shù)據(jù)挖掘的常用方法有：

神經(jīng)網(wǎng)絡(luò)方法

由于神經(jīng)網(wǎng)絡(luò)具有良好的魯棒性、自組織性、自適應(yīng)性、并行處理、分布式存儲和高容錯性，非常適合解決數(shù)據(jù)挖掘問題，因此近年來受到越來越多的關(guān)注。

遺傳算法

遺傳算法是一種基于生物自然選擇和遺傳機(jī)制的隨機(jī)搜索算法，是一種仿生全局優(yōu)化方法。遺傳算法因其隱含的并行性和易于與其他模型結(jié)合而被應(yīng)用于數(shù)據(jù)挖掘。

決策樹方法

決策樹是預(yù)測模型中常用的算法。它可以通過有目的地對大量數(shù)據(jù)進(jìn)行分類，發(fā)現(xiàn)一些有價值的潛在信息。其主要優(yōu)點是描述簡單，分類速度快，特別適合大規(guī)模數(shù)據(jù)處理。

粗糙集方法

粗糙集理論是一種研究不精確和不確定知識的數(shù)學(xué)工具。粗糙集方法有幾個優(yōu)點：不需要給出額外的信息來簡化輸入信息的表達(dá)空間，算法簡單易操作。粗糙集處理的對象是類似于二維關(guān)系表的信息表。

1-@qq.com

數(shù)據(jù)挖掘的基本步驟是：1 .定義問題；2.建立數(shù)據(jù)挖掘數(shù)據(jù)庫；3.分析數(shù)據(jù)；4.準(zhǔn)備數(shù)據(jù)；5.建立模型；6.評估模型；7.實施。

具體步驟如下：

1.定義問題。

知識發(fā)現(xiàn)之前的第一個也是最重要的要求是理解數(shù)據(jù)和業(yè)務(wù)問題。我們必須有一個明確的目標(biāo)定義，也就是決定我們要做什么。比如你想提高電子郵件的利用率，你想做的可能是“提高用戶的利用率”，或者是“提高一個用戶的使用價值”。要解決這兩個問題，建立的模型幾乎完全不同，必須做出決定。

2.建立數(shù)據(jù)挖掘數(shù)據(jù)庫。

數(shù)據(jù)挖掘數(shù)據(jù)庫的建立包括以下步驟：數(shù)據(jù)收集、數(shù)據(jù)描述、數(shù)據(jù)選擇、數(shù)據(jù)質(zhì)量評估和數(shù)據(jù)清洗、合并與集成、元數(shù)據(jù)構(gòu)建、數(shù)據(jù)挖掘數(shù)據(jù)庫加載和數(shù)據(jù)挖掘數(shù)據(jù)庫維護(hù)。

3.分析數(shù)據(jù)。

分析的目的是找到對預(yù)測輸出影響最大的數(shù)據(jù)字段，并決定是否需要定義導(dǎo)出字段。如果數(shù)據(jù)集包含數(shù)百個字段，那么瀏覽和分析這些數(shù)據(jù)將是非常耗時和累人的。這時候你就需要選擇一個界面好，功能強(qiáng)大的工具軟件來幫你完成這些事情。

4.準(zhǔn)備數(shù)據(jù)

這是建立模型前數(shù)據(jù)準(zhǔn)備的最后一步。這一步可以分為四個部分：選擇變量、選擇記錄、創(chuàng)建新變量和轉(zhuǎn)換變量。

5.建立模型。

建立模型是一個迭代的過程。有必要仔細(xì)檢查不同的模型，以確定哪一個對業(yè)務(wù)問題最有用。首先用一部分?jǐn)?shù)據(jù)建立模型，然后用剩下的數(shù)據(jù)對得到的模型進(jìn)行檢驗和驗證。有時會有第三個數(shù)據(jù)集，稱為驗證集，因為測試集可能會受到模型特征的影響。這時候就需要一個獨立的數(shù)據(jù)集來驗證模型的準(zhǔn)確性。訓(xùn)練和測試數(shù)據(jù)挖掘模型需要將數(shù)據(jù)至少分成兩部分，一部分用于模型訓(xùn)練，另一部分用于模型測試。

6.評價模型

模型建立后，我們必須對結(jié)果進(jìn)行評估，并解釋模型的價值。從測試集中獲得的準(zhǔn)確性僅對用于構(gòu)建模型的數(shù)據(jù)有意義。在實際應(yīng)用中，有必要進(jìn)一步了解錯誤的類型和相關(guān)成本。經(jīng)驗證明，有效的模式不一定是正確的模式。造成這種情況的直接原因是模型建立中隱含的各種假設(shè)。因此，在現(xiàn)實世界中直接測試模型是很重要的。先小范圍應(yīng)用，拿到測試數(shù)據(jù)，感覺滿意后再大面積推廣。

7.履行

模型建立并驗證后，主要有兩種使用方法。首先是為分析師提供參考；二是將該模型應(yīng)用于不同的數(shù)據(jù)集。