文档介绍：数据挖掘技术定义?数据挖掘( DataMining )就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。?分析客户使用分销渠道的情况和分销渠道的容量;建立利润评测模型;客户关系优化;风险控制等。?汇丰银行需要对不断增长的客户群进行分类,对每种产品找出最有价值的客户,通过数据挖掘的方法使营销费用减少了 30 %。实例关联分析( associationanalysis ) ?两个或两个以上变量的取值之间存在某种规律性, 就称为关联。数据关联是数据库中存在的一类重要的、可被发现的知识。关联分为简单关联、时序关联和因果关联。关联分析的目的是找出数据库中隐藏的关联网。一般用支持度和可信度两个阀值来度量关联规则的相关性,还不断引入兴趣度、相关性等参数,使得所挖掘的规则更符合需求。聚类分析( clusteringanalysis ) ?聚类是把数据按照相似性归纳成若干类别, 同一类中的数据彼此相似,不同类中的数据相异。聚类分析可以建立宏观的概念, 发现数据的分布模式,以及可能的数据属性之间的相互关系。分类(classification) ?分类就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,并用这种描述来构造模型,一般用规则或决策树模式表示。分类是利用训练数据集通过一定的算法而求得分类规则。分类可被用于规则描述和预测。实例?美国 Firstar 银行使用数据挖掘工具,根据客户的消费模式预测何时为客户提供何种产品。? GUS 日用品零售商店需要准确的预测未来的商品销售量,降低库存成本,通过数据挖掘的方法使库存成本比原来减少了 % 。预测(prediction) ?预测是利用历史数据找出变化规律,建立模型,并由此模型对未来数据的种类及特征进行预测。预测关心的是精度和不确定性,通常用预测方差来度量。时序模式(time- seriespattern ) ?时序模式是指通过时间序列搜索出的重复发生概率较高的模式。与回归一样,它也是用己知的数据预测未来的值,但这些数据的区别是变量所处时间的不同。偏差分析( deviationanalysis ) ?在偏差中包括很多有用的知识,数据库中的数据存在很多异常情况,发现数据库中数剧存在的异常情况是非常重要的。偏差检验的基本方法就是寻找观察结果与参照之间的差别。