數(shù)據(jù)挖掘是指從數(shù)據(jù)庫(kù)的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的信息的非平凡過程。

??????? 利用數(shù)據(jù)挖掘進(jìn)行數(shù)據(jù)分析常用的方法主要有分類、回歸分析、聚類、關(guān)聯(lián)規(guī)則、特征、變化和偏差分析、Web頁(yè)挖掘等， 它們分別從不同的角度對(duì)數(shù)據(jù)進(jìn)行挖掘。?

分類

?????? 分類是找出數(shù)據(jù)庫(kù)中一組數(shù)據(jù)對(duì)象的共同特點(diǎn)并按照分類模式將其劃分為不同的類，其目的是通過分類模型，將數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)映射到某個(gè)給定的類別，用于預(yù)測(cè)數(shù)據(jù)對(duì)象的離散類別。

?????? 分類技術(shù)在很多領(lǐng)域都有應(yīng)用，它可以應(yīng)用到客戶的分類、客戶的屬性和特征分析、客戶滿意度分析、客戶的購(gòu)買趨勢(shì)預(yù)測(cè)等。

當(dāng)前的市場(chǎng)營(yíng)銷中很重要的一個(gè)特點(diǎn)是強(qiáng)調(diào)客戶細(xì)分。客戶類別分析的功能也在于此，采用數(shù)據(jù)挖掘中的分類技術(shù)，可以將客戶分成不同的類別。比如呼叫中心設(shè)計(jì)時(shí)可以分為：呼叫頻繁的客戶、偶然大量呼叫的客戶、穩(wěn)定呼叫的客戶、其他，幫助呼叫中心尋找出這些不同種類客戶之間的特征，這樣的分類模型可以讓用戶了解不同行為類別客戶的分布特征。

?其他分類應(yīng)用如文獻(xiàn)檢索和搜索引擎中的自動(dòng)文本分類技術(shù)；安全領(lǐng)域有基于分類技術(shù)的入侵檢測(cè)等等。

?????? 而主要分類方法有決策樹、KNN法(K-Nearest Neighbor)、SVM法、VSM法、Bayes法、神經(jīng)網(wǎng)絡(luò)等。

回歸分析

?????? 回歸分析，一個(gè)統(tǒng)計(jì)預(yù)測(cè)模型，用以描述和評(píng)估應(yīng)變量與一個(gè)或多個(gè)自變量之間的關(guān)系；反映的是事務(wù)數(shù)據(jù)庫(kù)中屬性值在時(shí)間上的特征，產(chǎn)生一個(gè)將數(shù)據(jù)項(xiàng)映射到一個(gè)實(shí)值預(yù)測(cè)變量的函數(shù)，發(fā)現(xiàn)變量或?qū)傩蚤g的依賴關(guān)系。

???????其主要研究問題包括數(shù)據(jù)序列的趨勢(shì)特征、數(shù)據(jù)序列的預(yù)測(cè)以及數(shù)據(jù)間的相關(guān)關(guān)系等。

?????? 回歸分析方法被廣泛地用于解釋市場(chǎng)占有率、銷售額、品牌偏好及市場(chǎng)營(yíng)銷效果。它可以應(yīng)用到市場(chǎng)營(yíng)銷的各個(gè)方面，如客戶尋求、保持和預(yù)防客戶流失活動(dòng)、產(chǎn)品生命周期分析、銷售趨勢(shì)預(yù)測(cè)及有針對(duì)性的促銷活動(dòng)等。

主要表現(xiàn)

(1)?判別自變量是否能解釋因變量的顯著變化----關(guān)系是否存在。

(2)?判別自變量能夠在多大程度上解釋因變量----關(guān)系的強(qiáng)度。

(3)?判別關(guān)系的結(jié)構(gòu)或形式----反映因變量和自變量之間相關(guān)的數(shù)學(xué)表達(dá)式。

(4)?預(yù)測(cè)自變量的值。

(5)?當(dāng)評(píng)價(jià)一個(gè)特殊變量或一組變量對(duì)因變量的貢獻(xiàn)時(shí)，對(duì)其自變量進(jìn)行控制。

聚類

?????? 聚類，顧名思義就是按照相似性和差異性，把一組對(duì)象劃分成若干類，并且每個(gè)類里面對(duì)象之間的相似度較高，不同類里面對(duì)象之間相似度較低或差異明顯。與分類不同的是聚類不依靠給定的類別對(duì)對(duì)象進(jìn)行劃分。?

分析算法分類

（1）劃分方法

（2）層次的方法

（3）基于密度的方法

（4）基于網(wǎng)格的方法

（5）基于模型的方法

?????? 它可以應(yīng)用到客戶群體的分類、客戶背景分析、客戶購(gòu)買趨勢(shì)預(yù)測(cè)、市場(chǎng)的細(xì)分等。如誰(shuí)經(jīng)常光顧商店，誰(shuí)買什么東西，買多少？按忠誠(chéng)卡記錄的光臨次數(shù)、光臨時(shí)間、年齡、職業(yè)等等；還有銀行信用卡的黃金客戶，按儲(chǔ)蓄額、刷卡消費(fèi)金額和誠(chéng)信度等。?

關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)之間所存在的關(guān)系的規(guī)則，可以從一件事情的發(fā)生，來(lái)推測(cè)另外一件事情的發(fā)生，即隱藏在數(shù)據(jù)間的關(guān)聯(lián)或相互關(guān)系，從而更好地了解和掌握事物的發(fā)展規(guī)律等等。

關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘中最經(jīng)典的案例就是沃爾瑪?shù)钠【坪湍虿嫉墓适隆Ｔ诿绹?guó)，一些年輕的父親下班后經(jīng)常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時(shí)也為自己買一些啤酒。于是沃爾瑪將啤酒與尿布一起銷售，**提高了銷售額。

?????? 關(guān)聯(lián)規(guī)則的實(shí)際應(yīng)用包括：交叉銷售、郵購(gòu)目錄的設(shè)計(jì)、商品擺放、流失客戶分析、基于購(gòu)買模式進(jìn)行客戶區(qū)隔等等……

????? 在客戶關(guān)系管理中，通過對(duì)企業(yè)的客戶數(shù)據(jù)庫(kù)里的大量數(shù)據(jù)進(jìn)行挖掘，可以從大量的記錄中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系，找出影響市場(chǎng)營(yíng)銷效果的關(guān)鍵因素，為產(chǎn)品定位、定價(jià)與定制客戶群，客戶尋求、細(xì)分與保持，市場(chǎng)營(yíng)銷與推銷，營(yíng)銷風(fēng)險(xiǎn)評(píng)估和詐騙預(yù)測(cè)等決策支持提供參考依據(jù)。?

??特征

?????? 特征分析是從數(shù)據(jù)庫(kù)中的一組數(shù)據(jù)中提取出關(guān)于這些數(shù)據(jù)的特征式，這些特征式表達(dá)了該數(shù)據(jù)集的總體特征。特征選擇的目的在于從海量數(shù)據(jù)中提取出有用信息，從而提高數(shù)據(jù)的使用效率。

????? 其中，特征有效性的選擇評(píng)價(jià)有概率論、數(shù)理統(tǒng)計(jì)、信息論、IR領(lǐng)域的度量、學(xué)**相關(guān)的度量等。

????? 如營(yíng)銷人員通過對(duì)客戶流失因素的特征提取，可以得到導(dǎo)致客戶流失的一系列原因和主要特征，利用這些特征可以有效地預(yù)防客戶的流失。

變化和偏差分析

?????? 偏差是數(shù)據(jù)集中的小比例對(duì)象。通常，偏差對(duì)象被稱為離群點(diǎn)、例外、野點(diǎn)等。偏差分析是一個(gè)有趣的數(shù)據(jù)挖掘任務(wù)，其目的是發(fā)現(xiàn)與大部分其他對(duì)象不同的對(duì)象。如分類中的反常實(shí)例，模式的例外，觀察結(jié)果對(duì)期望的偏差等。

?????? 在企業(yè)危機(jī)管理及其預(yù)警中，管理者更感興趣的是那些意外規(guī)則。意外規(guī)則的挖掘可以應(yīng)用到各種異常信息的發(fā)現(xiàn)、分析、識(shí)別、評(píng)價(jià)和預(yù)警等方面。

?????? 而其成因有數(shù)據(jù)源于不同的類、自然變異、數(shù)據(jù)測(cè)量或收集誤差等。?

Web頁(yè)挖掘

?????? 通過對(duì)Web的挖掘，可以利用Web 的海量數(shù)據(jù)進(jìn)行分析，收集政治、經(jīng)濟(jì)、政策、科技、金融、各種市場(chǎng)、競(jìng)爭(zhēng)對(duì)手、供求信息、客戶等有關(guān)的信息，集中精力分析和處理那些對(duì)企業(yè)有重大或潛在重大影響的外部環(huán)境信息和內(nèi)部經(jīng)營(yíng)信息，并根據(jù)分析結(jié)果找出企業(yè)管理過程中出現(xiàn)的各種問題和可能引起危機(jī)的先兆，對(duì)這些信息進(jìn)行分析和處理，以便識(shí)別、分析、評(píng)價(jià)和管理危機(jī)。

??????Web數(shù)據(jù)挖掘的研究對(duì)象是以半結(jié)構(gòu)化和無(wú)結(jié)構(gòu)文檔為中心的Web，這些數(shù)據(jù)沒有統(tǒng)一的模式，數(shù)據(jù)的內(nèi)容和表示互相交織，數(shù)據(jù)內(nèi)容基本上沒有語(yǔ)義信息進(jìn)行描述，僅僅依靠HTML語(yǔ)法對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)上的描述。?

可完成任務(wù)

? （1）網(wǎng)絡(luò)流量分配情況、隨時(shí)間變化情況分析。

??? （2）網(wǎng)站廣告點(diǎn)擊率、投資收益比分析。

??? （3）用戶從哪里進(jìn)入網(wǎng)站、跳出網(wǎng)站，進(jìn)入感興趣的頁(yè)的方式等出入口分析。

??? （4）用戶來(lái)源分析。

??? （5）訪問站點(diǎn)的用戶的瀏覽器和平臺(tái)分析。

??? （6）發(fā)現(xiàn)經(jīng)常被用戶一起訪問的頁(yè)面集合，作為優(yōu)化站點(diǎn)的參照。

??? （7）聚類行為模式相似的用戶，形成智能推薦模式；聚類同一群用戶訪問的頁(yè)面，幫助發(fā)現(xiàn)站點(diǎn)設(shè)計(jì)的不合理之處。

??? （8）預(yù)測(cè)用戶可能訪問的頁(yè)面，行為趨勢(shì)分析和用戶分類等。

?????? 數(shù)據(jù)挖掘是一種決策支持過程，它通過高度自動(dòng)化地分析企業(yè)的數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，做出正確的決策，這對(duì)于一個(gè)企業(yè)的發(fā)展十分重要。

總結(jié)

以上是生活随笔為你收集整理的数据挖掘之七种常用的方法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。