物流信息系统第讲决策支持与商业智能.pptVIP

数据挖掘分类（8） 聚类分析(clustering) 按照“物以类聚”的原则把一个数据集合按照某个标准分成几个簇的过程。其结果使得在每个簇内部的数据按照该标准具有很高的相似性，而簇与簇之间的数据的相似性很低。 应用：顾客定位，然后根据顾客群特点推出相应的产品。如，找出可能会接受某银行卡的群体， 第九十四页，共一百一十二页。 数据挖掘分类（9） 分类和聚类的区别 分类是指将数据归于一系列已知类别之中的某个类的分类过程; 分类是有指导的类别划分，在若干先验标准的指导下进行，效果好坏取决于标准选取的好坏。 聚类是无监督学习，根据客体属性对一系列未分类的客体进行类别的识别, 把一组个体按照相似性归成若干类。 第九十五页，共一百一十二页。 数据挖掘分类（10） 异常检测（anomaly detection，偏差分析） 从数据分析中发现异常情况 信用卡欺诈检测 演化分析 对随时间变化的数据对象的变化规律和趋势进行建模描述。 利用历史数据找出变化规律，建立模型，并用此模型来预测未来数据的种类，特征等 典型方法就是回归分析。 …… 第九十六页，共一百一十二页。 数据挖掘解决的应用 数据挖掘技术从一开始就是面向应用的 尤其是在如银行、电信、保险、交通、零售（如超级市场）等商业领域应用广泛。 数据挖掘所能解决的典型商业问题包括 数据库营销（Database Marketing）