1. 數據挖掘能做什麽？
1)數據挖掘能做以下六種不同事情（分析方法）：
· 分類 （Classification）
· 估值（Estimation）
· 預言（Prediction）
· 相關性分組或關聯規則（Affinity grouping or association rules）
· 聚集（Clustering）
· 描述和可視化（Des cription and Visualization）
2)數據挖掘分類
以上六種數據挖掘的分析方法可以分為兩類：直接數據挖掘；間接數據挖掘
· 直接數據挖掘
目標是利用可用的數據建立壹個模型，這個模型對剩余的數據，對壹個特定的變量（可以
理解成數據庫中表的屬性，即列）進行描述。
· 間接數據挖掘
目標中沒有選出某壹具體的變量，用模型進行描述；而是在所有的變量中建立起某種關系
。
· 分類、估值、預言屬於直接數據挖掘；後三種屬於間接數據挖掘
3)各種分析方法的簡介
· 分類 （Classification）
首先從數據中選出已經分好類的訓練集，在該訓練集上運用數據挖掘分類的技術，建立分
類模型，對於沒有分類的數據進行分類。
例子：
a. 信用卡申請者，分類為低、中、高風險
b. 分配客戶到預先定義的客戶分片
註意： 類的個數是確定的，預先定義好的
· 估值（Estimation）
估值與分類類似，不同之處在於，分類描述的是離散型變量的輸出，而估值處理連續值的
輸出；分類的類別是確定數目的，估值的量是不確定的。
例子：
a. 根據購買模式，估計壹個家庭的孩子個數
b. 根據購買模式，估計壹個家庭的收入
c. 估計real estate的價值
壹般來說，估值可以作為分類的前壹步工作。給定壹些輸入數據，通過估值，得到未知的
連續變量的值，然後，根據預先設定的閾值，進行分類。例如：銀行對家庭貸款業務，運
用估值，給各個客戶記分（Score 0~1）。然後，根據閾值，將貸款級別分類。
· 預言（Prediction）
通常，預言是通過分類或估值起作用的，也就是說，通過分類或估值得出模型，該模型用
於對未知變量的預言。從這種意義上說，預言其實沒有必要分為壹個單獨的類。
預言其目的是對未來未知變量的預測，這種預測是需要時間來驗證的，即必須經過壹定時
間後，才知道預言準確性是多少。
· 相關性分組或關聯規則（Affinity grouping or association rules）
決定哪些事情將壹起發生。
例子：
a. 超市中客戶在購買A的同時，經常會購買B，即A => B(關聯規則)
b. 客戶在購買A後，隔壹段時間，會購買B （序列分析）
· 聚集（Clustering）
聚集是對記錄分組，把相似的記錄在壹個聚集裏。聚集和分類的區別是聚集不依賴於預先
定義好的類，不需要訓練集。
例子：
a. 壹些特定癥狀的聚集可能預示了壹個特定的疾病
b. 租VCD類型不相似的客戶聚集，可能暗示成員屬於不同的亞文化群
聚集通常作為數據挖掘的第壹步。例如，"哪壹種類的促銷對客戶響應最好？"，對於這壹
類問題，首先對整個客戶做聚集，將客戶分組在各自的聚集裏，然後對每個不同的聚集，
回答問題，可能效果更好。
· 描述和可視化（Des cription and Visualization）
是對數據挖掘結果的表示方式。
2.數據挖掘的商業背景
數據挖掘首先是需要商業環境中收集了大量的數據，然後要求挖掘的知識是有價值的。有
價值對商業而言，不外乎三種情況：降低開銷；提高收入；增加股票價格。
1)數據挖掘作為研究工具 （Research）
2)數據挖掘提高過程控制（Process Improvement）
3)數據挖掘作為市場營銷工具（Marketing）
4)數據挖掘作為客戶關系管理CRM工具(Customer Relationship Management)
3.數據挖掘的技術背景
1)數據挖掘技術包括三個主要部分：算法和技術；數據；建模能力
2)數據挖掘和機器學習（Machine Learning）
· 機器學習是計算機科學和人工智能AI發展的產物
· 機器學習分為兩種學習方式：自組織學習（如神經網絡）；從例子中歸納出規則（如決
策樹）
· 數據挖掘由來
數據挖掘是八十年代，投資AI研究項目失敗後，AI轉入實際應用時提出的。它是壹個新興
的，面向商業應用的AI研究。選擇數據挖掘這壹術語，表明了與統計、精算、長期從事預
言模型的經濟學家之間沒有技術的重疊。
3)數據挖掘和統計
統計也開始支持數據挖掘。統計本包括預言算法（回歸）、抽樣、基於經驗的設計等
4)數據挖掘和決策支持系統
· 數據倉庫
· OLAP（聯機分析處理）、Data Mart（數據集市）、多維數據庫
· 決策支持工具融合
將數據倉庫、OLAP，數據挖掘融合在壹起，構成企業決策分析環境。
4. 數據挖掘的社會背景
數據挖掘與個人預言：數據挖掘號稱能通過歷史數據的分析，預測客戶的行為，而事實上
，客戶自己可能都不明確自己下壹步要作什麽。所以，數據挖掘的結果，沒有人們想象中
神秘，它不可能是完全正確的。
客戶的行為是與社會環境相關連的，所以數據挖掘本身也受社會背景的影響。比如說，在
美國對銀行信用卡客戶信用評級的模型運行得非常成功，但是，它可能不適合中國