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。