用于數(shù)據(jù)挖掘的聚類算法有哪些，各有何優(yōu)勢(shì)？

K-m

數(shù)據(jù)挖掘的主要方法？

可應(yīng)用于客戶分類、客戶屬性和特征分析、客戶滿意度分析、客戶購(gòu)買趨勢(shì)預(yù)測(cè)等。例如，一家汽車零售商根據(jù)客戶對(duì)汽車的偏好將客戶分為不同的類別，這樣營(yíng)銷人員就可以直接將新車的廣告宣傳冊(cè)郵寄給有這種偏好的客戶，從而大大增加了商機(jī)。

2.回歸分析。回歸分析方法反映事務(wù)數(shù)據(jù)庫(kù)中屬性值的時(shí)間特性，生成將數(shù)據(jù)項(xiàng)映射到實(shí)值預(yù)測(cè)變量的函數(shù)，并找到變量或?qū)傩灾g的依賴關(guān)系。其主要研究問題包括數(shù)據(jù)序列的趨勢(shì)特征、數(shù)據(jù)序列的預(yù)測(cè)以及數(shù)據(jù)之間的相關(guān)性。

數(shù)據(jù)挖掘的主要方法？

數(shù)據(jù)挖掘的常用方法有:

神經(jīng)網(wǎng)絡(luò)方法

神經(jīng)網(wǎng)絡(luò)以其良好的魯棒性、自組織和自適應(yīng)性、并行處理、分布式存儲(chǔ)和高容錯(cuò)性，非常適合解決數(shù)據(jù)挖掘問題，近年來受到越來越多的關(guān)注。

遺傳算法

遺傳算法是一種基于生物自然選擇和遺傳機(jī)制的隨機(jī)搜索算法，是一種仿生全局優(yōu)化方法。遺傳算法因其隱含的并行性和易于與其他模型結(jié)合而被應(yīng)用于數(shù)據(jù)挖掘。

決策樹方法

決策樹是預(yù)測(cè)模型中常用的算法，通過有目的地對(duì)大量數(shù)據(jù)進(jìn)行分類，發(fā)現(xiàn)一些有價(jià)值的潛在信息。其主要優(yōu)點(diǎn)是描述簡(jiǎn)單，分類速度快，特別適合大規(guī)模數(shù)據(jù)處理。

粗糙集方法

粗糙集理論是一種研究不精確和不確定知識(shí)的數(shù)學(xué)工具。粗糙集方法有幾個(gè)優(yōu)點(diǎn):不需要給出額外的信息來簡(jiǎn)化輸入信息的表達(dá)空間，算法簡(jiǎn)單易操作。粗糙集處理的對(duì)象是類似于二維關(guān)系表的信息表。

數(shù)據(jù)挖掘的主要方法？

數(shù)據(jù)挖掘的基本步驟是:1.定義問題；2.建立數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)；3.分析數(shù)據(jù)；4.準(zhǔn)備數(shù)據(jù)；5.建立模型；6.評(píng)估模型；7.實(shí)施。

具體步驟如下:

1.定義問題

知識(shí)發(fā)現(xiàn)之前的第一個(gè)也是最重要的要求是理解數(shù)據(jù)和業(yè)務(wù)問題。目標(biāo)一定要有明確的定義，就是決定自己要做什么。例如，我想提一下當(dāng)電子郵件的使用率很高的時(shí)候，我們想做的可能是to"提高用戶利用率or"提高用戶一次性使用的價(jià)值。為解決這兩個(gè)問題而建立的模型幾乎完全不同，我們必須做出決定。

2.建立數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)。

數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)的建立包括以下步驟:數(shù)據(jù)收集、數(shù)據(jù)描述、選擇、數(shù)據(jù)質(zhì)量評(píng)估和數(shù)據(jù)清洗、合并和集成、元數(shù)據(jù)構(gòu)建、數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)加載和數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)維護(hù)。

3.分析數(shù)據(jù)

分析的目的是找到對(duì)預(yù)測(cè)輸出影響最大的數(shù)據(jù)字段，并決定是否有必要定義導(dǎo)出字段。如果數(shù)據(jù)集包含數(shù)百個(gè)字段，瀏覽和分析這些數(shù)據(jù)將是一件非常耗時(shí)和累人的事情。這時(shí)候你就需要選擇一個(gè)界面好，功能強(qiáng)大的工具軟件來幫你完成這些事情。

4.準(zhǔn)備數(shù)據(jù)

這是建立模型前數(shù)據(jù)準(zhǔn)備的最后一步。這一步可以分為四個(gè)部分:選擇變量、選擇記錄、創(chuàng)建新變量和轉(zhuǎn)換變量。

5.建立模型

建模是一個(gè)迭代的過程。需要仔細(xì)檢查不同的模型，以確定哪種模型對(duì)所面臨的業(yè)務(wù)問題最有用。先用一部分?jǐn)?shù)據(jù)建立模型，再用剩下的數(shù)據(jù)對(duì)得到的模型進(jìn)行檢驗(yàn)和驗(yàn)證。有時(shí)會(huì)有第三個(gè)數(shù)據(jù)集，稱為驗(yàn)證集，因?yàn)闇y(cè)試集可能會(huì)受到模型特性的影響，需要一個(gè)獨(dú)立的數(shù)據(jù)集來驗(yàn)證模型的準(zhǔn)確性。訓(xùn)練和測(cè)試數(shù)據(jù)挖掘模型需要將數(shù)據(jù)至少分成兩部分，一部分用于模型訓(xùn)練，另一部分用于模型測(cè)試。

6.評(píng)價(jià)模型

模型建立后，我們必須對(duì)結(jié)果進(jìn)行評(píng)估，并解釋模型的價(jià)值。從測(cè)試集中獲得的準(zhǔn)確性僅對(duì)用于構(gòu)建模型的數(shù)據(jù)有意義。在實(shí)際應(yīng)用中，有必要進(jìn)一步了解錯(cuò)誤的類型以及相關(guān)的開銷。經(jīng)驗(yàn)證明，有效的模式不一定是正確的模式。造成這種情況的直接原因是模型建立中隱含的各種假設(shè)，所以直接在現(xiàn)實(shí)世界中對(duì)模型進(jìn)行檢驗(yàn)是非常重要的。先小范圍應(yīng)用，拿到測(cè)試數(shù)據(jù)，感覺滿意后再大面積推廣。

7.履行

模型建立并驗(yàn)證后，主要有兩種使用方法。首先是給分析師提供參考；二是將該模型應(yīng)用于不同的數(shù)據(jù)集。