Data Mining

定义：

一种透过数理模式来分析企业内储存的大量资料，以找出不同的客户或市场划分，分析出消费者喜好和行为的方法。

又称(Knowledge Discovery in Database, KDD)， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。

1)数据挖掘能做以下七种不同事情（分析方法）： 　

 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 

注意： 类的个数是确定的，预先定义好的

估值（Estimation）
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

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)

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

描述和可视化（Description and Visualization）

是对数据挖掘结果的表示方式。

复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)

2） 关联规则

关联规则挖掘过程主要包含两个阶段：

第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，

第二阶段再由这些高频项目组中产生关联规则(Association Rules)

关联规则的分类

1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型

2.基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。

3.基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。

关联规则挖掘的相关算法

1.Apriori算法：使用候选项集找频繁项集

2.基于划分的算法

3.FP-树频集算法

Data Mining实际应用功能可分为三大类六分项来说明：

Classification和Clustering属于分类区隔类；

Regression和Time-series属于推算预测类；

Association和Sequence则属于序列规则类