管控一体与数据挖掘

数据挖掘能做什么？

数据挖掘从商业环境中收集大量的数据，从中抽取出潜在的、不为人知的有用信息、模式和趋势。然后按要求挖掘出有价值的知识。数据挖掘的目的：提高市场决策能力；检测异常模式；在过去的经验基础上预言未来趋势等。

• 分类 （Classification）首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。
• 估值（Estimation）估值与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类的类别是确定数目的，估值的量是不确定的。
• 预言（Prediction）通常，预言是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。
• 相关性分组或关联规则（Affinity grouping or association rules）决定哪些事情将一起发生。
• 聚集（Clustering）聚集是对记录分组，把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。
• 描述和可视化（Description and Visualization）是对数据挖掘结果的表示方式。