資料探勘主要解決四類問題

zj2009072204發表於2013-09-09
資料探勘主要解決四類問題：
(1)分類問題：分類問題屬於預測性的問題，但是它跟普通預測問題的區別在與其預測的結
果是類別（如A、B、C三類）而不是一個具體的數值（如55、65、75......)
訓練的思路：對收集的特徵/變數分別進行分析，尋找與目標0/1變數相關的特徵/變數，然
後歸納出P（X=1）與刪變數選出來的相關特徵/變數之間的關係（不同方法歸納出來的關係
表達方式不同，如迴歸的方法是通過函式關係式，決策樹方法是通過規則集......)
(2)聚類問題：聚類問題不屬於預測性的問題，它主要解決的是把一群物件劃分若干個組的
問題。聚類問題是根據所選定的指標，對一群使用者進行劃分。
訓練思路：確定選擇哪些指標對使用者進行聚類；在選擇的指標上計算使用者彼此間的距離，距
離的計算公式很多，最常用的就是直線距離（把選擇的指標當作維度、使用者在每個指標下都
有相應的取值，可以看作多維空間中的一個點，使用者彼此間的距離就可理解為兩者之間的直
線距離）；聚類方法把bicentennial距離比較短的使用者聚為一類，類與類之間的距離相對比
較長。
（3）關聯問題
關聯分析有三個非常重要的概念，那就是“三度”：支援度、可信度、提升度。假設有
10000個人購買了產品，其中購買A產品的人是1000個，購買B產品的人是2000個，AB同時購
買的人是800個。
    支援度：指的是關聯的產品（假定A產品和B產品關聯）同時購買的人數佔總人數的比例
，即800/10000=8%，有8%的使用者同時購買了A和B兩個產品；
    可信度：指的是在購買了一個產品之後購買另外一個產品的可能性，例如購買了A產品
之後購買B產品的可信度=800/1000=80%，即80%的使用者在購買了A產品之後會購買B產品；
    提升度：就是在購買A產品這個條件下購買B產品的可能性與沒有這個條件下購買B產品
的可能性之比，沒有任何條件下購買B產品可能性=2000/10000=20%，那麼提升度=80%/20%=4
。
（4）預測問題

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/28573466/viewspace-772406/，如需轉載，請註明出處，否則將追究法律責任。

相關文章