数据挖掘的六大主要功能

《数据挖掘的六大主要功能》由会员分享，可在线阅读，更多相关《数据挖掘的六大主要功能（3页珍藏版）》请在金锄头文库上搜索。

1、第 1 页 共 3 页数据挖掘的六大主要功能2012-09-29 10:36:49 来源：CIO 时代网摘要： 数据挖掘的历史虽然较短，但从 20 世纪 90 年代以来，它的发展速度很快，加之它是多学科综合的产物，目前还没有一个完整的定义，人们提出了多种数据挖掘的定义。 关键词： 数据挖掘数据挖掘的历史虽然较短，但从 20 世纪 90 年代以来，它的发展速度很快，加之它是多学科综合的产物，目前还没有一个完整的定义，人们提出了多种数据挖掘的定义，例如：SAS 研究所（1997）：“在大量相关数据基础之上进行数据探索和建立相关模型的先进方法”。Hand et al（2000）：“数据挖掘就是在大型

2、数据库中寻找有意义、有价值信息的过程”确切地 说， 数据挖掘（Data Mining ），又称数据库中的知识发现（Knowledge Discovery in Database，KDD），是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式，它是数据库研究中的一个很有应用价值的新领域，融合了数据库、人工智能、机器学习、 统计学等多个领域的理论和技术。数据挖掘的主要功能数据挖掘综合了各个学科技术，有很多的功能，当前的主要功能如下：1、数据总结：继承于数据分析中的统计分析。数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统统计方法如求和值、平均值、第 2 页 共

3、3 页方差值等都是有效方法。另外还可以用直方图、饼状图等图形方式表示这些值。广义上讲，多维分析也可以归入这一类。2、分类：目的是构造一个分类函数或分类模型（也常常称作分类器），该模型能把数据库中的数据项映射到给定类别中的某一个。要构造分类器，需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成，每个元组是一个由有关字段（又称属性或特征）值组成的特征向量，此外，训练样本还有一个类别标记。一个具体样本的形式可表示为：（v1，v2， vn；c），其中 vi 表示字段值，c 表示类别。例如：银行部门根据以前的数据将客户分成了不同的类别，现在就可以根据这些来区分新申请贷款的客户，以采取相应

4、的贷款方案。3、聚类：是把整个数据库分成不同的群组。它的目的是使群与群之间差别很明显，而同一个群之间的数据尽量相似。这种方法通常用于客户细分。在开始细分之前不知道要把用户分成几类，因此通过聚类分析可以找出客户特性相似的群体，如客户消费特性相似或年龄特性相似等。在此基础上可以制定一些针对不同客户群体的营销方案。例如：将申请人分为高度风险申请者，中度风险申请者，低度风险申请者。4、关联分析：是寻找数据库中值的相关性。两种常用的技术是关联规则和序列模式。关联规则是寻找在同一个事件中出现的不同项的相关性；序列模式与此类似，寻找的是事件之间时间上的相关性，例如：今天银行利率的调整，明天股市的变化。第 3 页 共 3 页5、预测：把握分析对象发展的规律，对未来的趋势做出预见。例如：对未来经济发展的判断。6、偏差的检测：对分析对象的少数的、极端的特例的描述，揭示内在的原因。例如：在银行的 100 万笔交易中有 500 例的欺诈行为，银行为了稳健经营，就要发现这 500 例的内在因素，减小以后经营的风险。以上数据挖掘的各项功能不是独立存在的，它们在数据挖掘中互相联系，发挥作用。