1.基于汗青的MBR分析

基于汗青(Memory-Based Reasoning)的MBR分析办法最重要的概念是用已知的案例(case)来猜测将来案例的一些属性(attribute)，平日找寻最类似的案例来做比较。

MBR中有两个重要的要素，分别为距离函数(distance function)与结合函数(combination function)。距离函数的用意在找出最类似的案例;结合函数则将类似案例的属性结合起来，以供猜测之用。

7.OLAP分析

MBR的长处是它许可各类型态的数据，这些数据不需服大年夜某些假设。另一个长处是其具备进修才能，它能藉由旧案例的进修来获取关于新案例的常识。较令人诟病的是它须要大年夜量的汗青数据，有足够的汗青数据方能做优胜的猜测。此外记忆基本推理法在处理上亦较为费时，不易发明最佳的距离函数与结合函数。其可应用典范围包含欺骗行动的┞缝测、客户反竽暌功猜测、医学诊疗、反竽暌功的归类等方面。

2.购物篮分析

购物篮分析(Market Basket Analysis)最重要的目标在于找出什么样的器械应当放在一路?贸易上的应用裹足由顾客的购买行动来懂得是什么样的顾客以及这些顾客为什么买这些产品， 找出相干的联想(association)规矩，企业藉由这些规矩的发掘获得好处与建立竞争优势。举例来说，零售店可藉由此分析改变置物架上的商品分列或是设计 吸引客户的贸易套餐等等。

购物篮分析根本运作过程包含下列三点：

• 选择精确的品项：这里所指的┞俘确乃是针对企业体而言，必须要在数以百计、千计品项中选择出真正有效的品项出来。
• 经由对合营产生矩阵(co-occurrence matrix)的商量发掘出联想规矩。
• 克服实际上的限制：所选择的品项愈多，计算所消费的资本竽暌闺时光愈久(出现指数递增)，此时必须应用一些技巧以降低资本竽暌闺时光的损耗。

购物篮分析技巧可以应用鄙人列问题上：针对信用卡购物，可以或许猜测将来顾客可能购买什么。对于电信与金融办事业而言，经由购物篮分析可以或许设计不合的办事组合以扩大年夜利润。保险业能藉由购物篮分析侦测出可能不平常的投奔组归并作预防。对病人而言，在疗程的组合上，购物篮分析能作为是否这些疗程组合会导致并发症的断定根据。

3.决定计划树

决定计划树(Decision Trees)在解决归类与猜测上有着极强的才能，它以轨则的方法表达，而这些轨则则以连续串的问题表示出来，经由赓续询问问题最终能导出所需的结不雅。典范的决定计划树顶端是一个树根，底部有很多的树叶，它将记载分化成不合的子集，每个子集中的字段可能都包含一个简单的轨则。此外，决定计划树可能有着不合的外型，例如二元 树、三元树或混和的决定计划树型态。

4.遗传算法

遗传算法(Genetic Algorithm)进修细胞演变的过程，细胞间可经由赓续的选择、复制、交配、突变产生更佳的新细胞。基因算法的运作方法也很类似，它必须预先建立好一个模式，再经由连续串类似产生新细胞过程的运作，应用合适函数(fitness function)决定所产生的后代是否与这个模式吻合，最后仅有最吻合的结不雅可以或许存活，这个法度榜样一向运作直到此函数收敛到最佳解。基因算法在群集 (cluster)问题上有不错的表示，一般可用来帮助记忆基本推理法邮攀类神经收集的应用。

5.聚类分析

聚类分析(Cluster Detection)这个技巧涵盖范围相当广泛，包含基因算法、类神经收集、统计学中的群集分析都有这个功能。它的目标为找出数据中以前未知的类似群体，在许很多多的分析中，刚开端都应用到群集侦陈技巧，以作为研究的开端。

6.连接分析

连接分析(Link Analysis)是以数学中之图形理论(graph theory)为基本，藉由记录之间的关系成长出一个模式，它是以关系为主体，由人与人、物与物或是人与物的关系成长出相当多的应用。例如电信办事业可藉贯穿连接分析收集到顾客应用德律风的时光与频率，进而揣摸顾客应用偏好为何，提出有利于公司的筹划。除了电信业之外，愈来竽暌国多的营销颐魅者亦应用贯穿连接分析做有利于 企业的研究。

严格说起来，OLAP(On-Line Analytic Processing;OLAP)分析并不算特其余一个数据发掘技巧，然则经由过程在线分析处理对象，应用者能更清跋扈的懂得数据所隐蔽的潜在意涵。如同一些视觉处理技巧一般，经由过程图表或图形等方法浮现，对一般人而言，感到会更友善。如许的对象亦能帮助将数据改变成信息的目标。

8.神经收集

神经收集是以反复进修的办法，将一串例子交与进修，使其归纳出一足以区分的样式。若面对新的例证，神经收集即可根据其以前进修的结不雅归纳后，推导出新的结不雅，乃属于机械进修的一种。数据发掘的相干问题也可采类神经进修的方法，其进修效不雅十分精确并可做猜测功能。

9.判别分析

当所遭受问题它的因变量为定性(categorical)，而自变量(猜测变量)为定量(metric)时，判别分析为一异常恰当之技巧，平日应用在解决分类的问题膳绫擎。若因变量由两个群体所构成，称之为双群体 —判别分析 (Two-Group Discriminant Analysis);若由多个群体构成，则称之为多元判别分析(Multiple Discriminant Analysis;MDA)。

• a. 找出猜测变量的线性组合，使组间变异相对于组内变异的比值为最大年夜，而每一个线性组合与先前已经获得的线性组合均不相干。
• b. 检定各组的重心是否有差别。
• c. 找出哪些猜测变量具有最大年夜的差别才能。
• d. 根据新受试者的猜测变量数值，将该受试者指派到某一群体。

10.逻辑回归分析

当判别分析中群体不相符正态分布假设时，逻辑回归分析是一个很好的替代办法。逻辑回归分析并非猜测事宜(event)是否产生，而是猜测该事宜的机率。它将自变量与因变量的关系假定是S行的外形，当自变量很小时，机率值接近为零;当自变量值慢慢增长时，机率值沿着曲线增长，增长到必定水日常平凡，曲线协 率开端减小，故机率值介于0与1之间。

　　推荐阅读

　　编写出色CSS代码的13个建议

CSS学起来并不难，但在大年夜型项目中，就变得难以治理，特别是不合的人在CSS书写风格上稍有不合，团队上就加倍难以沟通，为此总结了一些若何实现高效整洁的CSS代码原则：1. 应用Reset但并>>>详细阅读

本文标题：盘点：数据挖掘中的十大实用方法

地址：http://www.17bianji.com/lsqh/37768.html

 1/2    1