[分享]数据挖掘的背景知识

christy

　　====朱建秋====

　　什么是数据挖掘?

　　数据挖掘能做什么?

　　数据挖掘的商业背景

　　数据挖掘的技术背景

　　数据挖掘的社会背景

　　0.什么是数据挖掘?

　　数据挖掘是从大量的数据中，抽取出潜在的、有价值的知识(模型或规则)的过程。

　　数据挖掘能做什么?

　　1)数据挖掘能做以下六种不同事情(分析方法)：

　　分类 (Classification)

　　估值(Estimation)

　　预言(Prediction)

　　相关性分组或关联规则(Affinity grouping or association rules)

　　聚集(Clustering)

　　描述和可视化(Description and Visualization)

　　2)数据挖掘分类

　　以上六种数据挖掘的分析方法可以分为两类：直接数据挖掘;间接数据挖掘

　　直接数据挖掘

　　目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量(可以理解成数据库中表的属性，即列)进行描述。

　　间接数据挖掘

　　目标中没有选出某一具体的变量，用模型进行描述;而是在所有的变量中建立起某种关系。

　　分类、估值、预言属于直接数据挖掘;后三种属于间接数据挖掘

　　3)各种分析方法的简介

　　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. 分配客户到预先定义的客户分片

　　注意： 类的个数是确定的，预先定义好的

　　估值(Estimation)

　　估值与分类类似，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。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。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。

　　预言(Prediction)

　　通常，预言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。

christy

　　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)

　　聚集(Clustering)

　　聚集是对记录分组，把相似的记录在一个聚集里。聚集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

　　聚集通常作为数据挖掘的第一步。例如，“哪一种类的促销对客户响应最好?”，对于这一类问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集，回答问题，可能效果更好。

　　描述和可视化(Description and Visualization)

　　是对数据挖掘结果的表示方式。

　　2.数据挖掘的商业背景

　　数据挖掘首先是需要商业环境中收集了大量的数据，然后要求挖掘的知识是有价值的。有价值对商业而言，不外乎三种情况：降低开销;提高收入;增加股票价格。

　　1)数据挖掘作为研究工具 (Research)

　　2)数据挖掘提高过程控制(Process Improvement)

　　3)数据挖掘作为市场营销工具(Marketing)

　　4)数据挖掘作为客户关系管理CRM工具(Customer Relationship Management)

　　3.数据挖掘的技术背景

　　1)数据挖掘技术包括三个主要部分：算法和技术;数据;建模能力

　　2)数据挖掘和机器学习(Machine Learning)

　　机器学习是计算机科学和人工智能AI发展的产物

　　机器学习分为两种学习方式：自组织学习(如神经网络);从例子中归纳出规则(如决策树)

　　数据挖掘由来

　　数据挖掘是八十年代，投资AI研究项目失败后，AI转入实际应用时提出的。它是一个新兴的，面向商业应用的AI研究。选择数据挖掘这一术语，表明了与统计、精算、长期从事预言模型的经济学家之间没有技术的重叠。

　　3)数据挖掘和统计

　　统计也开始支持数据挖掘。统计本包括预言算法(回归)、抽样、基于经验的设计等

　　4)数据挖掘和决策支持系统

　　数据仓库

　　OLAP(联机分析处理)、Data Mart(数据集市)、多维数据库

　　决策支持工具融合

　　将数据仓库、OLAP，数据挖掘融合在一起，构成企业决策分析环境。

　　4. 数据挖掘的社会背景

　　数据挖掘与个人预言：数据挖掘号称能通过历史数据的分析，预测客户的行为，而事实上，客户自己可能都不明确自己下一步要作什么。所以，数据挖掘的结果，没有人们想象中神秘，它不可能是完全正确的。

　　客户的行为是与社会环境相关连的，所以数据挖掘本身也受社会背景的影响。比如说，在美国对银行信用卡客户信用评级的模型运行得非常成功，但是，它可能不适合中国。