数据挖掘学习笔记：数据挖掘的方法和技术

分类：先给类别特点，再做判断（可用于离散变量的取值预测：用来预报某些未知的或丢失的数字值 

通过对具有类别的对象的数据集进行学习，概括其主要特征，构建分类模型，根据该模型预测对象的类别的一种数据挖掘和机器学习技术。

聚类：没有类别的情况下，根据对象特征自己聚类（自己总结各种特征，得出结论）准确率可能没有分类高

依据物以类聚的原理，将没有类别的对象根据对象的特征自动聚集成不同簇的过程，使得属于同一个簇的对象之间非常相似，属于不同簇的对象之间不相似。其典型应用是客户分群，根据客户特征把客聚成不同的客户 群。 

关联：发现数据之间的关联规则

举例：购物车--啤酒尿布

数值预测：用于连续变量的取值（预测模型构建需要历史数据的分析

常用的预测方法是回归分析。

异常点挖掘(孤立点分析)：一些与数据一般特点不一致的孤立点， 在异常检测中作用很大，例如，信用卡客户欺诈检测。

序列分析：对序列数据库进行分析，从中挖掘出有意义模式的技术

社交网络分析：对社会网络的结构和属性进行分析，以发现其中的局部或全局特点，发现其中有影响力的个人或组织，发现网络的动态变化规律等。社会网络（social network）是由个人或组织及其之间的 关系构成的网络。