读《python数据挖掘与分析实战》之八

挖掘建模

经过数据探索与数据预处理，得到了可以直接建模的数据，根据挖掘目标和数据形式可以建立分类与预测，聚类分析，关联规则，时序模式和偏差检测等模型，帮助企业提取数据中蕴含的商业价值，提高企业的竞争力

分类与预测

分类和预测是预测问题的两种主要类型，分类主要是预测分类标号（离散属性），而预测主要是建立连续值函数模型，预测给定自变量对应的因变量的值

实现过程

（1）分类

      分类是构造一个分类模型，输入样本的属性值，输出对应的类别，将每个样本映射到预先定义好的类别

其是属于有监督的学习

（2）预测

        预测是指建立两种或者两种以上变量间相互依赖的函数模型，然后进行预测或者控制。

（3）实现过程

       分类和预测的实现过程类似，以分类模型为例：分类算法有两步过程：第一步是学习步，通过归纳分析训练样本集来建立分类模型得到分类规则；第二步是分类步，先用已知的测试样本集评估分类规则的准确率，如果准确率是可以接受的，则使用该模型对未知类标号的待测样本集进行预测

常用的分类与预测算法

回归分析

回归分析是通过建立模型来研究变量间相互关系的密切程度，结构状态及进行模型预测的一种有效工具

在数据挖掘环境下，自变量与因变量具有相关关系，自变量是已知的，因变量是要预测的

算法描述等百度或者书上还算清楚，不再抄录

俩小时，百度加书上案例，搞懂了回归