数据仓库和数据挖掘技术课件.pptVIP

数据仓库与数据挖掘技术 数据仓库和数据挖掘技术 什么是数据挖掘? 几种主要数据挖掘模型和算法 复杂类型数据的挖掘 数据挖掘都干了些什么? 英国电信需要发布一种新的产品，需要通过直邮的方式向客户推荐这种产品…… 通过数据挖掘的方法使直邮的回应率提高了100％ GUS日用品零售商店需要准确的预测未来的商品销售量，降低库存成本…… 通过数据挖掘的方法使库存成本比原来减少了3.8% 数据挖掘都干了些什么? 美国国防财务部需要从每年上百万比的军火交易中发现可能存在的欺诈现象…… 发现可能存在欺诈的交易，进行深入调查，节约了大量的调查成本 汇丰银行需要对不断增长的客户群进行分类，对每种产品找出最有价值的客户。。。。。。 营销费用减少了30％ 什么是数据挖掘？ 通过采用自动或半自动的手段，在海量数据中发现有意义的行为和规则的探测和分析活动。 数据挖掘能够帮助你选择正确，瞄准潜在目标，向现有的客户提供额外的产品，识别那些准备离开的好客户。 数据挖掘是从数据中自动地抽取模式、关联、变化、异常和有意义的结构 数据挖掘大部分的价值在于利用数据挖掘技术改善预言模型 数据挖掘应用领域 电信 ：流失 银行：聚类（细分）, 交叉销售 百货公司/超市：购物篮分析 （关联规则） 保险：细分，交叉销售，流失（原因分析） 信用卡： 欺诈探测，细分 电子商务： 网站日志分析 税务部门：偷漏税行为探测 警察机关：犯罪行为分析 医学： 医疗保健 Data Mining: A KDD Process Data mining: the core of knowledge discovery process. Data Mining: Confluence of Multiple Disciplines 数据仓库和数据挖掘技术 什么是数据仓库（ What is a data warehouse）? 多维数据模型（A multi-dimensional data model） 数据仓库体系结构（Data warehouse architecture） 什么是数据挖掘（What is a Data Mining）? 几种主要数据挖掘模型和算法 复杂类型数据的挖掘 Data Mining Functionalities (1) Concept description: Characterization and discrimination Generalize, summarize, and contrast data characteristics, e.g., dry vs. wet regions Association (correlation and causality) Multi-dimensional vs. single-dimensional association age(X, “20..29”) ^ income(X, “20..29K”) à buys(X, “PC”) [support = 2%, confidence = 60%] contains(T, “computer”) à contains(x, “software”) [1%, 75%] Data Mining Functionalities (2) Classification and Prediction Finding models (functions) that describe and distinguish classes or concepts for future prediction Presentation: decision-tree, classification rule, neural network Prediction: Predict some unknown or missing numerical values Cluster analysis Class label is unknown: Group data to form new classes, e.g., cluster houses to find distribution patterns Clustering based on the principle: maximizing the intra-class similarity and minimizing the interclass similarity Data Mining Functionalities (3) Outlier analysis Outlier: a data object that does not comply with the general behavior of the data