數(shù)據(jù)挖掘基本任務(wù)

數(shù)據(jù)挖掘主要做什么？換而言之，數(shù)據(jù)挖掘主要解決什么問題呢？這些問題，可以歸結(jié)為數(shù)據(jù)挖掘的基本任務(wù)。

數(shù)據(jù)挖掘的基本任務(wù)包括分類與預(yù)測(cè)、聚類分析、關(guān)聯(lián)規(guī)則、奇異值檢測(cè)和智能推薦等。通過完成這些任務(wù)，發(fā)現(xiàn)數(shù)據(jù)的價(jià)值，指導(dǎo)商業(yè)抉擇，帶來商業(yè)新價(jià)值。

關(guān)于這些基本任務(wù)，簡(jiǎn)單描述如下。實(shí)際上對(duì)每個(gè)基本任務(wù)，可以看做是數(shù)據(jù)挖掘所能解決問題的一種類型。對(duì)于每個(gè)任務(wù)，可以從其定義、方法、評(píng)價(jià)和應(yīng)用四個(gè)方面來認(rèn)識(shí)。

分類與預(yù)測(cè)，一種基于類標(biāo)號(hào)的學(xué)習(xí)方式，這種類標(biāo)號(hào)若是離散的，屬于分類問題；若是連續(xù)的，屬于預(yù)測(cè)問題，或者稱為回歸問題。從廣義上來說，不管是分類，還是回歸，都可以看做是一種預(yù)測(cè)，差異就是預(yù)測(cè)的結(jié)果是離散的還是連續(xù)的。

聚類分析，就是“物以類聚，人以群分”在原始數(shù)據(jù)集中的運(yùn)用，其目的是把原始數(shù)據(jù)聚成幾類，從而使得類內(nèi)相似度高，類間差異性大。

關(guān)聯(lián)規(guī)則，數(shù)據(jù)挖掘可以用來發(fā)現(xiàn)規(guī)則，關(guān)聯(lián)規(guī)則屬于一種非常重要的規(guī)則，即通過數(shù)據(jù)挖掘方法，發(fā)現(xiàn)事務(wù)數(shù)據(jù)背后所隱含的某一種或者多種關(guān)聯(lián)，從而利用這些關(guān)聯(lián)來指導(dǎo)商業(yè)決策和行為。

奇異值檢測(cè)，根據(jù)一定準(zhǔn)則識(shí)別或者檢測(cè)出數(shù)據(jù)集中的異常值，所謂異常值就是和數(shù)據(jù)集中的絕大多數(shù)據(jù)表現(xiàn)不一致。

智能推薦，這是數(shù)據(jù)挖掘一個(gè)很活躍的研究和應(yīng)用領(lǐng)域，在各大電商網(wǎng)站中都會(huì)有各種形式推薦，比方說同類用戶所購(gòu)買的產(chǎn)品，與你所購(gòu)買產(chǎn)品相關(guān)聯(lián)的產(chǎn)品等。

對(duì)于每一種基本任務(wù)，除了了解它們具體可以做什么，重要的是要學(xué)習(xí)每一個(gè)任務(wù)有哪些行之有效的方法。舉個(gè)例子來說，分類與預(yù)測(cè)，常用的方法有決策樹、神經(jīng)網(wǎng)絡(luò)、最近鄰、樸素貝葉斯、支持向量機(jī)、隨機(jī)森林等，因而對(duì)于這些典型的方法具體原理是什么，怎么使用，各自有著什么樣的特點(diǎn)，都應(yīng)該深入地理解，接下來就是針對(duì)特定數(shù)據(jù)挖掘問題，思考其屬于哪一種類型的任務(wù)，然后根據(jù)任務(wù)的具體特點(diǎn)，選擇合適的方法來處理，并且對(duì)基于各種方法所建立的數(shù)據(jù)挖掘模型，要進(jìn)行客觀地評(píng)估，已選擇最佳模型。

對(duì)于每一個(gè)基本任務(wù)具體有哪些方法，我會(huì)在后續(xù)進(jìn)行總結(jié)。在這里，僅是說說數(shù)據(jù)挖掘主要解決什么問題，至于對(duì)于這些問題具體怎么來解決，針對(duì)每一種類型，會(huì)在后續(xù)的文章中逐一說來。

轉(zhuǎn)載于:https://www.cnblogs.com/amengduo/p/9587093.html

總結(jié)

以上是生活随笔為你收集整理的数据挖掘基本任务的全部?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。