資料探勘模型有哪些型別？

資料探勘是從儲存在儲存庫中的海量資料中提取有用的新關聯、模式和趨勢的過程，它使用包括統計和數學技術在內的模式識別技術。它是對事實資料集的分析，以發現意想不到的關係，並以對資料所有者而言既合乎邏輯又有幫助的新穎方式總結記錄。

資料探勘技術可用於為三種類型的任務建立三種類型的模型，例如描述性分析、定向分析和預測。

描述性分析 - 描述性模型定義了記錄中的內容。輸出是多個圖表、數字或圖形，用於定義正在發生的情況。假設檢驗構成描述性模型。換句話說，定向分析和預測在構建模型時都有一個目標。

在分析模型中，重點與輸入來自相同的時間範圍。在預測模型中，重點來自下一個時間範圍。預測定義了發現來自一個時期的資料中的模式，這些模式能夠定義下一個時期的結果。強調分析和預測之間區別的原因在於它與建模方法有關，特別是模型集形成中時間的分析。

定向分析 - 分析是許多問題的常用方法。它不需要任何複雜的資料分析。例如，調查是構建客戶檔案的一種常用方法。調查揭示了客戶和潛在客戶的樣子，或者至少是調查受訪者回答問題的方式。

檔案通常基於人口統計變數，例如地理位置、性別和年齡。由於廣告是根據這些相同的變數銷售的，因此人口統計檔案可以直接轉化為媒體策略。

預測 - 分析使用過去的資料來描述過去發生了什麼。預測更進一步。預測使用過去的資料來預測未來可能發生的事情。這是資訊的一種動態用法。

雖然低儲蓄餘額和CD所有權之間的相關性在CD持有者的畫像中可能沒有好處，但高儲蓄餘額（與其他指標相結合）很可能成為未來CD購買的預測指標。

構建預測模型需要在模型輸入或預測變數與模型輸出（要預測的事物）之間進行時間上的分離。如果不支援此分割槽，則模型將無法執行。

Ginni

更新於：2022年2月11日

896 次瀏覽

啟動您的職業生涯

透過完成課程獲得認證

開始