数据挖掘技术理论· 简谈

数据挖掘的技术与方法

·数据挖掘模型主要分为两大类

>描述性（无监督学习）

>预测性（有监督学习，分类模型）

描述性：分析具有多个属性的数据集，找出潜在的模式，没有因变量。

场景：观察个体之间的相似程度，例如根据年龄，性别，收入等因素对客户进行细分，根据客户对多个产品的购买，发现产品之间的相关性。主要算法有：聚类，因子分析，主要成分分析，对应分析。

预测性：用一个或多个自变量预测因变量的值。

场景：客户是否违约是一个因变量，可以用客户的年龄，性别，收入，职位等级，经济状况，历史信用状况等因素进行预测。主要算法有：决策树，线性回归，Logistic回归，支持向量机，神经网络，判别分析...

数据挖掘算法（按分析目的）

①预测

用过去的数据，预测未来发生什么。

②描述

用过去的数据，描述未来发生什么。