数据挖掘的功能

特征化

描述

根据目标类数据的特征或特性进行汇总。

例子

汇总各班男生身高高于175cm的爱好、身体体质等情况。

区分

描述

相同或者不同类对象同一“现象”进行比较分析得出想要的结论。

例子

今年华东地区为啥橘子比苹果买的好，分析今年的橘子比苹果的优势大？人们的消费水平变化了？人们的吃水果的观念变化了？

频繁模式、关联和相关性分析

频繁模式：数据中频繁出现的模式，存在多种类型，包括频繁项集、频繁子序列、频繁子结构。

频繁项集：一般指频繁地事务数据集中在一起出现的不同类对象集合，如超市许多顾客一起频繁购买的是奶粉和尿不湿。

频繁子序列：如顾客倾向于先购买便携机，再购买数码相机，然后再购买内存卡。

频繁子结构：可能涉及不同的结构形式如列表、图、树等，如果一个子结构频繁出现则称它为频繁子结构。

挖掘频繁模式导致发现数据中有趣的关联和相关性。

分类

描述

它找出描述和区分数据类或概念的模型，以便能够使用模型*预测*类标号未知的对象的类标号。

对已发生过的事物分析得出结论用于推测类似新事物得出”预测”。

导出模型就需要分类规则：if-then 规则、决策树（类似于流程）、数学公式或者神经网络。

例子

超市商品售卖情况分为好、中、差三类，你想根据商品特性如价格、产地、品牌、种类来为这三类导出分类模型。

回归

描述

它找出某一情况同一影响属性影响程度变化的连续”函数“。

例子

想知道苹果在不同价格的销量。

分类与回归的区别

分类是大概的区分数据，数据值不需要连续主要目的是得到分类模型去对”新事物“进行归类，而回归力求得到一个函数，去预测属性值达到新的值时结果值是多少。

回归偏向于数据值，分类偏向于归类。

聚类

描述

对象根据最大化类内相似性、最小类间相似性的原则进行聚类和分组。

例子

人口集中分布图。

离群距点分析

数据集中可能包含一些数据对象，它与数据的一般行为和模型不一致~异常挖掘。

异常挖掘也是有意义的比如就可以通过数据分析及时发现异常，及时预防，避免没必要的情况。