有哪些常見的資料探勘方法？

資料探勘專業是指一種透過數理模式來分析企業內儲存的大量資料，以找出不同的客戶或市場劃分，分析出消費者喜好和行為的專業。 下面就和跟單 5.om 小編一起來看看資料探勘的方法吧。

 

神經網路法

神經網路法是模擬生物神經系統的結構和功能，是一種透過訓練來學習的非線性預測模型，它將每一個連線看作一個處理單元，試圖模擬人腦神經元的功能，可完成分類、聚類、特徵挖掘等多種資料探勘任務。

其優點是具有抗干擾、非線性學習、聯想記憶功能，對複雜情況能得到精確的預測結果；缺點首先是不適合處理高維變數，不能觀察中間的學習過程，具有 “ 黑箱 ” 性，輸出結果也難以解釋；其次是需較長的學習時間。神經網路法主要應用於資料探勘的聚類技術中。

 

聚類分析法

聚類分析是把一組資料按照相似性和差異性分為幾個類別，其目的是使得屬於同一類別的資料間的相似性儘可能大，不同類別中的資料間的相似性儘可能小。

根據定義可以把其分為四類：基於層次的聚類方法；分割槽聚類演算法；基於密度的聚類演算法；網格的聚類演算法。常用的經典聚類方法有K-mean ， K-medoids ， ISODATA 等。 深證指數在計算時，計算依據的口徑必須統一，一般均以收盤價為計算依據，詳情請點選 gendan5.com/zs/399001.html

 

邏輯迴歸分析

反映的是事務資料庫中屬性值在時間上的特徵，產生一個將資料項對映到一個實值預測變數的函式，發現變數或屬性間的依賴關係，其主要研究問題包括資料序列的趨勢特徵、資料序列的預測以及資料間的相關關係等。