資料探勘技術分類
1 關聯分析：啤酒和尿布，猜你喜歡
用於做關聯分析的演算法有apriori
2 分類分析：事先知道類別和分類標準，使用者信用分層
3 序列模式：訪問路徑、購買路徑
4 聚類分析：分類分析的逆過程，聚類分析之前還不知道類別，從大量資料集合中，自動劃分類別。劃分標準是類內差別最小，類間差別最大
通過收集、加工和處理涉及消費者消費行為的大量資訊，確定特定消費群體或個體的興趣、消費習慣、消費傾向和消費需求，進而推斷出相應消費群體或個體下一步的消費行為，然後以此為基礎，對所識別出來的消費群體進行特定內容的定向營銷，這與傳統的不區分消費者物件特徵的大規模營銷手段相比，大大節省了營銷成本，提高了營銷效果，從而為企業帶來更多的利潤。
主要演算法有神經元網路演算法、決策樹演算法、遺傳演算法
在零售業，資料探勘可有助於識別顧客購買行為，發現顧客購買模式和趨勢，改進服務質量，取得更好的顧客保持力和滿意程度，提高貨品銷量比率，設計更好的貨品運輸與分銷策略，減少商業成本。
5 關鍵概念
支援度(support)的公式是：support(a->b)=p(a u b)。支援度揭示了a與b同時出現的概率。如果a與b同時出現的概率小，說明a與b的關係不大；如果a與b同時出現的非常頻繁，則說明a與b總是相關的。
置信度(confidence)的公式式：confidence(a->b)=p(a | b)。置信度揭示了a出現時，b是否也會出現或有多大概率出現。如果置信度度為100%，則a和b可以**銷售了。如果置信度太低，則說明a的出現與b是否出現關係不大。
示例：某銷售手機的商場中，70%的手機銷售中包含充電器的銷售，而在所有交易中56%的銷售同時包含手機和充電器。則在此例中，支援度為56%，置信度為70%。
引用
資料探勘之模型初探
由於我要打的比賽是做乙個二分類 器，所以就開始找到有關的模型進行了解學習。常見的分類模型如下 邏輯回歸 logistic regression,lr 樸素貝葉斯 bayes,nb k近鄰 k nearest neighbors,knn 決策樹 decision tree,dt 支援向量機 suppo...
Android Fuzz 漏洞挖掘初探
最近因為某些原因，主要看了幾乎能找到的安卓相關的fuzz指令碼。當然時間原因具體實際測試的並不是特別多，下面就發現的一些問題，以及個人想法分享一下。1 binder 機制 android的binder機制 binder其實也不是android提出來的一套新的程序間通訊機制，它是基於openbinde...
python文字挖掘（一） 初探jieba分詞包
一 jieba簡介 近年來，隨著機器學習越來越火，python也跟著火了起來，而python在資料探勘領域的使用也越來越廣泛。在python的第三方包裡，jieba應該算得上是分詞領域的佼佼者，想要使用python做文字分析，分詞是必不可少的乙個環節。二 安裝說明 1 python2.x 開啟cmd...