RE:
多謝樓上二位仁兄的捧場，繼續ing。。
數據挖掘解決了什么問題？ 一、直接問題
分類問題
根據事先定義好的類別，對數據進行分類。
例如：某銀行根據用戶信用記錄，對信用卡、貸款等用戶數據進行挖掘，區分
出信用風險分別為高、中、低的三類人群。
類似給你一個客戶的相關信息，預測一下他未來一段時間是否會不再消費？信用度
是好/一般/差？是否會使用你的某個商品？將來會成為你的高/中/低價值的客戶？
是否會響應你的某個促銷活動？等等
估值問題
把分類的結果用連續數值的方式表示。
例如：某銀行根據用戶信用記錄，對信用卡、貸款等用戶數據進行挖掘，給每
個用戶進行信用評分（0-1之間）。0.7以上的為高風險，0.3以下的為低風險。
預測問題
用分類或者估值的結果，估計將來會發生的情況。
例如：某銀行根據用戶信用卡消費記錄，對用戶信用卡消費記錄進行挖掘，預
測用戶下一年的信用卡消費估值，并提供更好的個性化服務
二、間接問題
關聯問題
判斷兩件事情同時或者順序發生的可能性。
例如：京東上，客戶買完刻錄光盤后，往往會購買光盤套。
中國鮮花網上，買鮮花的客戶往往可能會買花瓶。
聚類問題
在沒有預先定義類別的情況下，根據數據的自有特征進行分類。
例如：購買不同類別玩具的用戶，聚類成為不同“亞文化商品”消費的人群
可視化和描述問題
對數據挖掘的結果描述。
例如：某B2C商城用戶中，女性人群消費的增長趨勢高于男性人群的增長趨勢
小結：首先有正確的方法，其次才是正確的算法
數據挖掘往往是多種不同方法的算法在不同層次的組合
例：商城要針對老客戶進行促銷，首先要通過聚類區分客戶群，
其次才是對應不同的客戶群采取不同的預測促銷策略。這就是
聚類和分類的綜合應用。 該帖于 2010-4-26 9:06:00 被修改過 | 
