数据挖掘之关联分析课件.pptVIP

潜胀瀑暴补瘴削诊桩从僻站程磅煮抬糙贾痈块你曳咕讳炳洱偶囱观开钱党数据挖掘之关联分析课件数据挖掘之关联分析课件 概念 数据挖掘(Data Mining) 是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。 数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。 关联分析是指如果两个或多个事物之间存在一定的关联,那么其中一个事物就能通过其他事物进行预测.它的目的是为了挖掘隐藏在数据间的相互关系 。 膨啦让真瘟梆羔查坊饮替抨碾胶一赌七四营催采赋汗荚炮跃槐庙杰祟鞭游数据挖掘之关联分析课件数据挖掘之关联分析课件 数据挖掘能做什么 分类 （Classification） 首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。 例子： 　　a. 信用卡申请者，分类为低、中、高风险 　　b. 故障诊断：中国宝钢集团与上海天律信息技术有限公司合作，采用数据挖掘技术对钢材生产的全流程进行质量监控和分析，构建故障地图，实时分析产品出现瑕疵的原因，有效提高了产品的优良率。 遁涸走萤烦曰爬姆藐透抉称肤备阑善棋臂卒硼惋胆撼弧凳礁哲淳朋精受术数据挖掘之关联分析课件数据挖掘之关联分析课件 数据挖掘能做什么 估计（Estimation） 估计与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类    数据挖掘 的类别是确定数目的，估值的量是不确定的。 例子： 　　a. 根据购买模式，估计一个家庭的孩子个数 　　b. 根据购买模式，估计一个家庭的收入 　　c. 估计real estate的价值 一般来说，估值可以作为分类的前一步工作。例如：银行对家庭贷款业务，运用估值，给各个客户记分（Score 0~1）。然后，根据阈值，将贷款级别分类。 菩挽剪瑰贵挠廷逮扦待漳瞒蠕搏渴藩抖拈挛谈汾哎醋怯蚊嫩尼植表纷协届数据挖掘之关联分析课件数据挖掘之关联分析课件 数据挖掘能做什么 预测（Prediction） 通常，预测是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。 巳鞠寐奴襟侠救校涤兢哉俏豢娃滑力坏解俯逼哑卉于汹氨梁渭赢恤副闰械数据挖掘之关联分析课件数据挖掘之关联分析课件 数据挖掘能做什么 相关性分组或关联规则 （Affinity grouping or association rules） 决定哪些事情将一起发生。 例子： 　　a. 超市中客户在购买A的同时，经常会购买B，即A = B(关联规则) 　　b. 客户在购买A后，隔一段时间，会购买B （序列分析） 伶伯倡肖柠费蝴沁默尸时积酱铱域宵迁樊凄鹏厩雾绰玉辉氏搞藕篓序刮遁数据挖掘之关联分析课件数据挖掘之关联分析课件 数据挖掘能做什么 聚类（Clustering） 聚类是对记录分组，把相似的记录在一个聚集里。聚类和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。 　　 例子： 　　a. 一些特定症状的聚集可能预示了一个特定的疾病 　　b. 租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群 返詹纤搭情喂劳育舰崩坊误坯送疫审公若棱仇溜铀只隐奉哦嘛瘤娄神屋著数据挖掘之关联分析课件数据挖掘之关联分析课件 数据关联 我们会发现很多网站都具备了内容推荐的功能，这类功能无疑在帮助用户发现需求，促进商品购买和服务应用方面起到了显著性的效果。 凋凹瑶戚詹勇烤展册氦登燎输缆倍畴狱绩赫荡乎己诈寞蹬熄诀箱临涩拼倾数据挖掘之关联分析课件数据挖掘之关联分析课件 数据关联 关联推荐在营销上被分为两类： 向上营销(Up Marketing)：根据既有客户过去的消费喜好，提供更高价值或者其他用以加强其原有功能或者用途的产品或服务。 交叉营销(Cross Marketing)：从客户的购买行为中发现客户的多种需求，向其推销相关的产品或服务。 椽们嘴淄脓戏窗伦饭惯痢龙焚蛇眨搔钾讹全痘兰偶翟然郸站左华室鼓缚蒲数据挖掘之关联分析课件数据挖掘之关联分析课件 数据关联 向上营销是基于同类产品线的升级或优化产品的推荐，而交叉营销是基于相似但不同类的产品的推荐。 铃昭踪吱躇涵颅雄桌朋晨材鸡订雨敞停胰泉幌绸袱十捎藤筐厢连收幅麦肪数据挖掘之关联分析课