數(shù)據(jù)挖掘流程？1.分類(lèi)：找出數(shù)據(jù)庫(kù)中一組數(shù)據(jù)對(duì)象的共同特征，根據(jù)分類(lèi)模型將其劃分到不同的類(lèi)中。其目的是通過(guò)分類(lèi)模型將數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)映射到給定的類(lèi)別?？蓱?yīng)用于客戶(hù)分類(lèi)、客戶(hù)屬性和特征分析、客戶(hù)滿(mǎn)意度分

數(shù)據(jù)挖掘流程？

1.分類(lèi)：找出數(shù)據(jù)庫(kù)中一組數(shù)據(jù)對(duì)象的共同特征，根據(jù)分類(lèi)模型將其劃分到不同的類(lèi)中。其目的是通過(guò)分類(lèi)模型將數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)映射到給定的類(lèi)別?？蓱?yīng)用于客戶(hù)分類(lèi)、客戶(hù)屬性和特征分析、客戶(hù)滿(mǎn)意度分析、客戶(hù)購(gòu)買(mǎi)趨勢(shì)預(yù)測(cè)等。

數(shù)據(jù)挖掘的主要方法？

1.分類(lèi)。分類(lèi)是找出數(shù)據(jù)庫(kù)中一組數(shù)據(jù)對(duì)象的共同特征，并根據(jù)分類(lèi)模型將其劃分到不同的類(lèi)中。其目的是通過(guò)分類(lèi)模型將數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)映射到給定的類(lèi)別。

可應(yīng)用于客戶(hù)分類(lèi)、客戶(hù)屬性和特征分析、客戶(hù)滿(mǎn)意度分析、客戶(hù)購(gòu)買(mǎi)趨勢(shì)預(yù)測(cè)等。例如，一家汽車(chē)零售商根據(jù)客戶(hù)對(duì)汽車(chē)的偏好將客戶(hù)分為不同的類(lèi)別，這樣營(yíng)銷(xiāo)人員就可以將新車(chē)的廣告宣傳冊(cè)直接郵寄給有這種偏好的客戶(hù)，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(kù)中屬性值的時(shí)間特性，生成將數(shù)據(jù)項(xiàng)映射到一個(gè)實(shí)值預(yù)測(cè)變量的函數(shù)，發(fā)現(xiàn)變量或?qū)傩灾g的依賴(lài)關(guān)系。其主要研究問(wèn)題包括數(shù)據(jù)序列的趨勢(shì)特征、數(shù)據(jù)序列的預(yù)測(cè)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(chǔ)和高容錯(cuò)性，非常適合解決數(shù)據(jù)挖掘問(wèn)題，因此近年來(lái)受到越來(lái)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(shù)方法

決策樹(shù)是預(yù)測(cè)模型中常用的算法。它可以通過(guò)有目的地對(duì)大量數(shù)據(jù)進(jìn)行分類(lèi)，發(fā)現(xiàn)一些有價(jià)值的潛在信息。其主要優(yōu)點(diǎn)是描述簡(jiǎn)單，分類(lèi)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(shí)的數(shù)學(xué)工具。粗糙集方法有幾個(gè)優(yōu)點(diǎn)：不需要給出額外的信息來(lái)簡(jiǎn)化輸入信息的表達(dá)空間，算法簡(jiǎn)單易操作。粗糙集處理的對(duì)象是類(lèi)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(wèn)題；2.建立數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)；3.分析數(shù)據(jù)；4.準(zhǔn)備數(shù)據(jù)；5.建立模型；6.評(píng)估模型；7.實(shí)施。

具體步驟如下：

1.定義問(wèn)題。

知識(shí)發(fā)現(xiàn)之前的第一個(gè)也是最重要的要求是理解數(shù)據(jù)和業(yè)務(wù)問(wèn)題。我們必須有一個(gè)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(hù)的利用率”，或者是“提高一個(gè)用戶(hù)的使用價(jià)值”。要解決這兩個(gè)問(wèn)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(kù)。

數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)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(píng)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(kù)加載和數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)維護(hù)。

3.分析數(shù)據(jù)。

分析的目的是找到對(duì)預(yù)測(cè)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(gè)字段，那么瀏覽和分析這些數(shù)據(jù)將是非常耗時(shí)和累人的。這時(shí)候你就需要選擇一個(gè)界面好，功能強(qiáng)大的工具軟件來(lái)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(gè)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(gè)迭代的過(guò)程。有必要仔細(xì)檢查不同的模型，以確定哪一個(gè)對(duì)業(yè)務(wù)問(wèn)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(duì)得到的模型進(jìn)行檢驗(yàn)和驗(yàn)證。有時(shí)會(huì)有第三個(gè)數(shù)據(jù)集，稱(chēng)為驗(yàn)證集，因?yàn)闇y(cè)試集可能會(huì)受到模型特征的影響。這時(shí)候就需要一個(gè)獨(dú)立的數(shù)據(jù)集來(lái)驗(yàn)證模型的準(zhǔn)確性。訓(xùn)練和測(cè)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(cè)試。

6.評(píng)價(jià)模型

模型建立后，我們必須對(duì)結(jié)果進(jìn)行評(píng)估，并解釋模型的價(jià)值。從測(cè)試集中獲得的準(zhǔn)確性?xún)H對(duì)用于構(gòu)建模型的數(shù)據(jù)有意義。在實(shí)際應(yīng)用中，有必要進(jìn)一步了解錯(cuò)誤的類(lèi)型和相關(guān)成本。經(jīng)驗(yàn)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(shí)世界中直接測(cè)試模型是很重要的。先小范圍應(yīng)用，拿到測(cè)試數(shù)據(jù)，感覺(jué)滿(mǎn)意后再大面積推廣。

7.履行

模型建立并驗(yàn)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。