数据库,数据仓库和数据挖掘技术之间的区别

 我来答
猪八戒网
2023-04-26 · 百度认证:重庆猪八戒网络有限公司官方账号
猪八戒网
猪八戒网(zbj.com)创建于2006年,现已形成猪八戒网、天蓬网和线下八戒工场的“双平台+一社区”服务模式,是中国领先的人才共享平台。
向TA提问
展开全部

数据挖掘是从大量的数据中,抽取出潜在的、有价值的知识(模型或规则)的过程。

1.数据挖掘能做什么?

1)数据挖掘能做以下六种不同事情(分析方法):

分类()

估值(Estimation)

预言(Prediction)

相关性分组或关联规则(Affinitygroupingorassociationrules)

聚集(Clustering)

描述和可视化(Descriptionand)

2)数据挖掘分类

以上六种数据挖掘的分析方法可以分为两类:直接数据挖掘;间接数据挖掘

直接数据挖掘

目标是利用可用的数据建立一个模型,这个模型对剩余的数据,对一个特定的变量(可以

理解成数据库中表的属性,即列)进行描述。

间接数据挖掘

目标中没有选出某一具体的变量,用模型进行描述;而是在所有的变量中建立起某种关系

分类、估值、预言属于直接数据挖掘;后三种属于间接数据挖掘

3)各种分析方法的简介

分类()

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。

例子:

a.信用卡申请者,分类为低、中、高风险

b.分配客户到预先定义的客户分片

注意:类的个数是确定的,预先定义好的

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。

例子:

a.根据购买模式,估计一个家庭的孩子个数

b.根据购买模式,估计一个家庭的收入

c.估计realestate的价值

一般来说,估值可以作为分类的前一步工作。给定一些输入数据,通过估值,得到未知的

连续变量的值,然后,根据预先设定的阈值,进行分类。例如:银行对家庭贷款业务,运

用估值,给各个客户记分(Score0~1)。然后,根据阈值,将贷款级别分类。

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。从这种意义上说,预言其实没有必要分为一个单独的类。

预言其目的是对未来未知变量的预测,这种预测是需要时间来验证的,即必须经过一定时

间后,才知道预言准确性是多少。

相关性分组或关联规则(Affinitygroupingorassociationrules)

决定哪些事情将一起发生。

例子:

a.超市中客户在购买A的同时,经常会购买B,即A=>B(关联规则)

b.客户在购买A后,隔一段时间,会购买B(序列分析)

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。

例子:

a.一些特定症状的聚集可能预示了一个特定的疾病

b.租VCD类型不相似的客户聚集,可能暗示成员属于不同的亚文化群

聚集通常作为数据挖掘的第一步。例如,"哪一种类的促销对客户响应最好?",对于这一

类问题,首先对整个客户做聚集,将客户分组在各自的聚集里,然后对每个不同的聚集,回答问题,可能效果更好。

描述和可视化(Descriptionand)

是对数据挖掘结果的表示方式。

2.数据挖掘的商业背景

数据挖掘首先是需要商业环境中收集了大量的数据,然后要求挖掘的知识是有价值的。有

价值对商业而言,不外乎三种情况:降低开销;提高收入;增加股票价格。

1)数据挖掘作为研究工具(Research)

2)数据挖掘提高过程控制(ProcessImprovement)

3)数据挖掘作为市场营销工具(Marketing)

4)数据挖掘作为客户关系管理CRM工具(CustomerManagement)

3.数据挖掘的技术背景

1)数据挖掘技术包括三个主要部分:算法和技术;数据;建模能力

2)数据挖掘和机器学习(MachineLearning)

机器学习是计算机科学和人工智能AI发展的产物

机器学习分为两种学习方式:自组织学习(如神经网络);从例子中归纳出规则(如决

策树)

数据挖掘由来

数据挖掘是八十年代,投资AI研究项目失败后,AI转入实际应用时提出的。它是一个新兴

的,面向商业应用的AI研究。选择数据挖掘这一术语,表明了与统计、精算、长期从事预

言模型的经济学家之间没有技术的重叠。

3)数据挖掘和统计

统计也开始支持数据挖掘。统计本包括预言算法(回归)、抽样、基于经验的设计等

4)数据挖掘和决策支持系统

数据仓库

OLAP(联机分析处理)、DataMart(数据集市)、多维数据库

决策支持工具融合

将数据仓库、OLAP,数据挖掘融合在一起,构成企业决策分析环境。

4.数据挖掘的社会背景

数据挖掘与个人预言:数据挖掘号称能通过历史数据的分析,预测客户的行为,而事实上

客户自己可能都不明确自己下一步要作什么。所以,数据挖掘的结果,没有人们想象中

神秘,它不可能是完全正确的。

客户的行为是与社会环境相关连的,所以数据挖掘本身也受社会背景的影响。比如说,在

美国对银行信用卡客户信用评级的模型运行得非常成功,但是,它可能不适合中国

美林数据技术股份有限公司
2019-06-26 广告
美林数据Tempo大数据分析平台,它是一款集数据接入、数据处理、数据挖掘、数据可视化、数据应用于一体的软件产品。它秉持“智能、互动、增值”的设计理念,面向企业级用户提供自助式数据探索与分析能力,为企业提供从BI到AI的一体化数据分析与应用解... 点击进入详情页
本回答由美林数据技术股份有限公司提供
推荐律师服务: 若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询

为你推荐:

下载百度知道APP,抢鲜体验
使用百度知道APP,立即抢鲜体验。你的手机镜头里或许有别人想知道的答案。
扫描二维码下载
×

类别

我们会通过消息、邮箱等方式尽快将举报结果通知您。

说明

0/200

提交
取消

辅 助

模 式