数据挖掘的目的是什么呢
1个回答
展开全部
很多人会问:数据挖掘的目的是什么呢?我们总结数据挖掘主要有以下三个目的:
(1)把握趋势和模式;通过分析网购交易的记录数据、呼叫中心内的投诉数据、顾客满意度的调查数据、购物数据等,可以把把握顾客的购买意愿和类型、投诉的种类等信息。数据挖掘工具(方法)中神经网络、购物篮分析,粗糙(Rough)集、对应分析(双尺度法)、主成分分析、聚类分析等。
(2)预测;利用数万个数据进行预测,最有效的方法是神经网络法,它是具有强大功能的工具,即使数据是非线性关系也无妨。伹缺点是,需要大量数据并且因子分析的功能弱。利用数十个、数百个数据进行预测(和因子分析)的方法有回归分析、判别分析、逻辑回归分析、数量化理论I、数量化理论II等,另外,预测时间序列数据的方祛有灰色理论、最近邻法、霍尔特(Holt)法、指数平滑法、移动平均祛、博克斯-詹金斯(Box-Jenkins)法(ARIMA模型)、数量化理论I等。
(3)求最优解。在多种约束条什下,要实现利益最大化或者成本最小化,应该怎样求解参数(未知参数)呢?使用Excel的规划求解可以轻松地解决这个问题。
这三点就是数据挖掘的主要目的,希望对您对数据挖掘的认识有所帮助。
(1)把握趋势和模式;通过分析网购交易的记录数据、呼叫中心内的投诉数据、顾客满意度的调查数据、购物数据等,可以把把握顾客的购买意愿和类型、投诉的种类等信息。数据挖掘工具(方法)中神经网络、购物篮分析,粗糙(Rough)集、对应分析(双尺度法)、主成分分析、聚类分析等。
(2)预测;利用数万个数据进行预测,最有效的方法是神经网络法,它是具有强大功能的工具,即使数据是非线性关系也无妨。伹缺点是,需要大量数据并且因子分析的功能弱。利用数十个、数百个数据进行预测(和因子分析)的方法有回归分析、判别分析、逻辑回归分析、数量化理论I、数量化理论II等,另外,预测时间序列数据的方祛有灰色理论、最近邻法、霍尔特(Holt)法、指数平滑法、移动平均祛、博克斯-詹金斯(Box-Jenkins)法(ARIMA模型)、数量化理论I等。
(3)求最优解。在多种约束条什下,要实现利益最大化或者成本最小化,应该怎样求解参数(未知参数)呢?使用Excel的规划求解可以轻松地解决这个问题。
这三点就是数据挖掘的主要目的,希望对您对数据挖掘的认识有所帮助。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
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