数据挖掘与知识发现(转发）

日前做了一个对新用户最可能购买的宝贝的挖掘，结果很有意思，我们发现这些宝贝有如下特征：

宝贝价格低（低廉价格驱动型）、先行赔付（网购信心不足型）、宝贝好看（情感驱动型）、宝贝卖得好、宝贝好评多、店铺好评多、高级店铺、大店铺等。

好吧，也许这次挖掘并没有挖出什么亮点，也许你觉得这些——都是我以前就知道的啊！

恩，请往下看

以上所说的全部是错误的！这些“我以前就知道的”因素没有一条是真正重要的（从绝对诚实的角度讲，或许值得客观地看待其局部的贡献）。是的，我毫不 掩饰这一点：挖掘的结果也许同样是“我以前就知道的”——当然，这都是在我公布那些真正重要的因素“之后”。——据说FBI每年有1万件毫无头绪的反恐怖 情报，但谁知道9.11之前的才是极其重要而有效的呢——当然，现在FBI一定知道了。

所以，数据挖掘并不刻意发现新知识（尤其在我们得知结果以后），而是在正反两方面都很有道理的一堆先验知识中进行（在机器看来不引入人的偏执的）过滤。