什么是数据挖掘？

　　数据挖掘(Data Mining)，又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识。

　　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 （Classification）

　　· 估值（Estimation）

　　· 预言（Prediction）

　　· 相关性分组或关联规则（Affinity grouping or association rules）

　　· 聚集（Clustering）

　　· 描述和可视化（Des cription and Visualization）

　　· 复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)

　　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 （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。

　　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real estate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（Score 0~1）。然后，根据阈值，将贷款级别分类。