数据挖掘中的十大实用分析方法
1.基于历史的MBR分析
最最主要的概念是用已知的案例来预测未来案例的一些属性，通常寻找类似的案例来做比较。有两个主要因素，分别为距离函数和结合函数。距离函数的用意在找出最相似的案例，结合函数则将相似的案例属性结合起来，以共预测只用。
2.购物篮分析
最主要的目的在于找出什么样的东西应放在一起。购物篮分析基本运作过程包括下列三点:选择正确的品项，经由对共同发生矩阵的探讨挖掘出联想规则，克服实际上的限制。
3.决策树
在解决归类与预测上有着极强的能力，它以法则的方式表达，而这些法则则以一连串的问题表示出来，经由不断询问问题最终能导出所需的结果。此外，决策树可能有着不同的外型，如二元树、三元树或混合的决策树形态。
4.遗传算法
它必须预先建立好一个模式，再经由一连串类似产生新细胞过程的运作，利用合适函数决定所产生的后代是否与这个模式吻合，最后仅有最吻合的结果能够存活，这个程序一直运作到此函数收敛到最佳解。
5.聚类分析
它的目标为找出数据中以前未知的相似群体。
6.连接分析
以数学中图形理论为基础，籍由记录之间的关系发展出一个模式，它是以关系为主题，由人与人、物与物或是人与物的关系发展出相当多的应用。
7.OLAP分析
在线分析On-Line Analytic Processing
8.神经网络
以重复学习的方法，将一串例子交与学习，使其归纳出一组足以区分的样式。若面对新的例证，神经网络即可根据其过去学习的成果归纳后，推出新的结果。
9.判断分析
当所遭遇的问题的因变量为定性，而自变量为定量时，判别分析为一门非常适当之技术，通常应用在解决分类的问题上面。若因变量为两个群体所构成，称为双群体判断分析，若由多个群体构成，则称之为多元判别分析。
首先，找出预测变量的线性组合，使组间变异相对于组内变异的比值为最大，而每一个线性组合与先前已经获得的线性组合均不想关。其次，检定各组的重心是否有差异。然后，找出哪些预测变量具有最大的区别能力。最后，根据新受试者的预测变量数值，将该受试者指派到某一群体。
10.逻辑回归分析
当判别分析中群体不符合正态分布假设时，逻辑回归是个很好的替代方法。 |
