数据挖掘导论学习---2

聚类问题

聚类也成为集群分析，是把相似的对象通过静态分类的方式分成不同组或更多的子集，属于非监督学习。

与分类问题不同的是，聚类问题的数据事先是没有标签的。

数据点之间的距离度量：

• 欧氏距离
• 曼哈顿距离

经典算法：K-means等

应用：

• market research
• 社交网络分析
• 客户划分等

层次型聚类：

在不同层面，grouping结果不同。

关联规则

emmmmmmmm，数据挖掘有个广为人知的但是不知真伪的例子：啤酒与尿布。讲的是沃尔玛经过对顾客的购买行为数据进行分析后，得出男人在买尿布的时候一般会买一些啤酒。这其实就是一关联规则的体现。

下面再举个栗子：

通过对购买行为的分析，我们得到了买牛奶和面包时，一般会买黄油的结论。

回归

回归接触比较多，这里就不展开bb了，注意回归也不能要求overfitting。

 

此外还有数据可视化，数据预处理等一些方面，数据预处理是数据挖掘中最麻烦，最耗时的一步，而可视化可用的工具（软件）有很多，数据的可视化可以帮助我们合理地选择算法，提高效率。