大数据分析挖掘的主要目标功能

来源：小侦探旅游网

大数据分析挖掘的主要目标功能

（1）对数据的统计分析与特征描述

统计分析与特征描述可对数据本质进行刻画。统计分析包括对数据分布、集中与发散程度的描述，主成分分析，相关性分析等。描述结果可用散点图、直方图等展现。

（2）关联规则挖掘和相关性分析

如买牛奶也会买面包，这些商品构成了关联规则；购买电脑一段时间后购买内存卡等，这称为频繁序列模式。

（3）分类与回归

分类是通过对一些已知类别标号的训练数据进行分析，找到一种可以描述和区分数据类别的模型，然后用这个模型来预测未知类别标号的数据所属的类别。分类模型有很多，如决策树、贝叶斯分类器、KNN分类器、组合分类算法等。回归则是对数值型的函数进行建模，常用于数值预测。

（4）聚类分析

聚类分析是对未知类别标号的数据进行直接处理。聚类的目标是使聚类内数据的相似性最大，聚类间数据的相似性最小。每一个聚类可以看成是一个类别，从中可以导出分类的规则。

（5）异常检测或者离群点分析

数据集中包含的一些数据与数据模型的总体特性不一致，称为离群点。离群点可以通过统计测试进行检测，如假定数据服从某一概率分布，看对象是否在分布范围内。也可以使用距离测量，将与任何聚类都相距很远的对象当作离群点。也可以用基于密度的算法来检测局部区域内的离群点。

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文