发布网友 发布时间:2022-03-23 23:29
共2个回答
热心网友 时间:2022-03-24 00:58
数据挖掘不仅能对过去的数据进行查询和遍历,并且能够对将来的趋势和行为进行预测,并自动探测以前未发现的模式,从而很好地支持人们的决策。被挖掘出来的信息,能够用于信息管理、查询处理、决策支持、过程控制以及许多其它应用。数据挖掘按其功能划分主要包括以下几类:(1) 分类分类是数据挖掘中应用的最多的方法。分类是找出一个类别的概念描述,它代表了这类数据的整体信息,即该类的内涵描述,一般用规则或决策树模式表示。一个类的内涵描述分为特征性描述和区别性描述。特征性描述是对类中对象的共同特征的描述,区别性描述是对两个或多个类之间区别的描述。(2) 关联分析若两个或多个数据项的取值重复出现且概率很高时,它就存在着某种关联,可以建立起这些数据项的关联规则。关联分析的目的是找出数据库中隐藏的关联网。在大型数据库中,这种关联规则是很多的,一般用“支持度”,“可信度”两个阈值来淘汰那些无用的关联规则。(3) 聚类数据库中的数据可分为一系列有意义的子集或称为类。在同一类别中,个体之间的距离较小,而不同类别的个体之间的距离偏大。聚类增强了人们对客观现实的认识,即通过聚类建立宏观概念。(4)序列模式通过时间序列搜索出重复发生概率较高的模式,这里强调时间序列对挖掘结果的影响。(5)偏差检验数据库中的数据常有一些异常记录,从数据库中检测出这些偏差很有意义。偏差包括很多潜在的知识,如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是寻找观测结果与参照之间的差别。(6) 预测预测是利用历史数据找出变化规律,即建立模型,并用此模型来预测未来数据的种类、特征等。热心网友 时间:2022-03-24 02:16
数据分析最好的场景是业务人员可以去用,支持业务人员去做报表。1989年到目前国内对于这块做的比较好的,可能就只有FineBI了,不要问我是谁,请叫我雷锋!