大数据挖掘与分析

1.什么是数据挖掘，有什么功能

• 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又潜在有用的信息和知识的过程。
• 功能
  • 数据分类
  • 数据估计
  • 数据预测
  • 数据关联分组
  • 数据聚类
  • 数据循序样式采矿

2.数据挖掘与数据库、数据仓库、知识发现以及机器学习之间的区别和联系

数据库

• 数据库是一个长期存储在计算机内的、有组织的、有共享的、统一管理的数据集合。
• 它是一个按数据结构来存储和管理数据的计算机软件系统

数据仓库

• 数据仓库为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合
• 为数据挖掘提供了更好、更广泛的数据源
• 数据挖掘为数据仓库提供了更好的决策支持

知识发现

• 用数据库管理系统来存储数据，用机器学习的方法的方法来分析数据，挖掘大量数据背后隐藏的知识

机器学习

• 致力于设计可以从数据中学习并做出预测的算法
• 数据挖掘致力于发现数据集的属性，有多种发现数据集属性的方法

3.数据挖掘的模型

• 三阶段模型、SEMMA模型、5A模型、CRISP-DM模型

• 三阶段模型（支持功能的角度）
  强调数据挖掘步骤和过程的有序性和完整性

• SEMMA模型
  强调与数据挖掘工具的结合应用

• 5A模型
  强调数据挖掘过程的工具应具有的功能和能力

• CRISP-DM模型（方法论的角度）
  强调实施数据挖掘项目的方法和步骤，它独立于具体的数据挖掘算法和数据挖掘系统

4.采用SEMMA过程方法达不到预期目标

​ 重新返回上述步骤，依次进行调整和检查，对之前的步骤进行多次迭代，直到最终的结果满足预期值

5.更合理和实用的模型

​ CRISP-DM模型更为实用，因为在生活当中更为常见的数据挖掘是一些具体的商业问题，而CRISP-DM模型中包含了商业理解的环节，在数据挖掘之前先对业务的目标和需求进行分析和理解，对结果和风险进行评估，经过这样的建模和数据挖掘后能帮助改善运营和提高效率，在应对不同业务需求时更实用