数据挖掘学习笔记：数据特征化和数据区分

        数据特征化是将目标数据的一般特征（特性）的汇总。通常可以通过查询来收集指定类的数据，数据特征化的输出可以有多种形式，例如：饼图、条形图、曲线图，多维数据立方体和交叉表在内的多维表等。举个例子，经理提出如下数据挖掘任务：“汇总一年之内在本公司消费在￥5000元以上的顾客特征”，则可能的顾客概况，如年龄在30-40岁以上的中年，工作稳定，信用等级高。数据挖掘应该允许用户在任意维度下钻取，如在职业维下钻取，以便根据这些顾客的职业类型来观察消费群体。

       数据区分是将目标类型数据对象的一般特征和一个（多个）对比类对象的一般特征进行对比。其中目标类和对比类可以由用户自己指定。举个例子，部门经理需要将上年度销售额增加10%的地区跟同期销售额下降30%的地区进行比较。

       用于数据特征化的方法和数据区分的方法是类似的。