数据挖掘笔记1

本文介绍了数据挖掘的基本任务,包括分类与预测、聚类分析、关联规则和时间序列模式等。同时,详细阐述了数据挖掘的建模过程,包括定义目标、数据取样、数据探索、预处理、建模和模型评价,以及常用的数据挖掘工具如SAS Enterprise Miner和Python。
摘要由CSDN通过智能技术生成

1.数据挖掘的基本任务

1.1数据挖掘的基本任务包括利用分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法,帮助企业提取数据中蕴含的商业价值,提高企业的竞争力

  1. 分类与预测
    有目标的对事物进行分类预测,如:客户流失预测、偷窃电用户识别等。
    在这里插入图片描述

  2. 关联规则
    关联模式挖掘旨在从大量的数据当中发现特征之间或数据之间的相互依赖关系。
    这种存在于给定数据集中的频繁出现的关联模式,又称为关联规则。
    在这里插入图片描述

  3. 聚类分析
    聚类分析是根据数据本身结构特征对数据点进行分类的方法
    。实质是按照彼此距离的远近将数据分为若干个类别,以使得类别内数据的“差异性”尽可能小(即“同质性”尽可能大),类别间“差异性”尽可能大。
    在这里插入图片描述

  4. 时间序列
    基于事物发展的延续性和随机性预测事物未来的发展,如:销售量预

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值