数据挖掘的任务有哪些

电子说

1.3w人已加入

描述

  数据挖掘的任务有哪些

  1、关联分析(associationanalysis)

  关联分析挖掘是由RakeshApwal等人首先提出的。两个或两个以上变量取向价值之间存在某种规律性发掘称之为关联。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大量关联网。一般用支持度和可信度两个阀值来度量获取关联规则的相关性,还有兴趣度、相关性等参数,使得所挖掘的规则更符合实质需求。

  2、聚类分析(clustering)

  聚类是把数据按照相似性归纳成若干类别分类出来,同一类中的数据彼此相似,不同类中的数据则相异。聚类分析可以建立宏观的概念,发布数据的分布模式,以及可能性的数据属性之间的相互关系。

  3、分类(classification)

  分类其实就是找出一个类别的概念描述,代表了数据的整体信息,分类的内涵描述,并用描述来构造模型,一般用作于规则或决策树模式表示出来。分类是利用训练数据集中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数据预测。

  4、预测(predication)

  通过预测利用历史数据找出变化规律,建立模型并由该模型对未来数据的种类及特征进行预测。预测关心的是精确度和不确定性因素,通常用预测方差来度量较为适合。

  5、时序模式(time-seriespattern)

  通过时间序列搜索出的重复发生概率比较高的模式。与回归一样,它也是用己知的数据预测未来的数据值,但这些数据的区别是变量所处时间的不同而已。

  6、偏差分析(deviation)

  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,发现数据库中数据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。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分