RE:
多谢楼上二位仁兄的捧场，继续ing。。
数据挖掘解决了什么问题？ 一、直接问题
分类问题
根据事先定义好的类别，对数据进行分类。
例如：某银行根据用户信用记录，对信用卡、贷款等用户数据进行挖掘，区分
出信用风险分别为高、中、低的三类人群。
类似给你一个客户的相关信息，预测一下他未来一段时间是否会不再消费？信用度
是好/一般/差？是否会使用你的某个商品？将来会成为你的高/中/低价值的客户？
是否会响应你的某个促销活动？等等
估值问题
把分类的结果用连续数值的方式表示。
例如：某银行根据用户信用记录，对信用卡、贷款等用户数据进行挖掘，给每
个用户进行信用评分（0-1之间）。0.7以上的为高风险，0.3以下的为低风险。
预测问题
用分类或者估值的结果，估计将来会发生的情况。
例如：某银行根据用户信用卡消费记录，对用户信用卡消费记录进行挖掘，预
测用户下一年的信用卡消费估值，并提供更好的个性化服务
二、间接问题
关联问题
判断两件事情同时或者顺序发生的可能性。
例如：京东上，客户买完刻录光盘后，往往会购买光盘套。
中国鲜花网上，买鲜花的客户往往可能会买花瓶。
聚类问题
在没有预先定义类别的情况下，根据数据的自有特征进行分类。
例如：购买不同类别玩具的用户，聚类成为不同“亚文化商品”消费的人群
可视化和描述问题
对数据挖掘的结果描述。
例如：某B2C商城用户中，女性人群消费的增长趋势高于男性人群的增长趋势
小结：首先有正确的方法，其次才是正确的算法
数据挖掘往往是多种不同方法的算法在不同层次的组合
例：商城要针对老客户进行促销，首先要通过聚类区分客户群，
其次才是对应不同的客户群采取不同的预测促销策略。这就是
聚类和分类的综合应用。 该帖于 2010-4-26 9:06:00 被修改过 | 
