数据分析师必知必会的数据挖掘方法

　　众所周知数据挖掘是一种能从海量的、随机的、不完整的、复杂的数据中提取出对人们可能潜在和有用的信息和知识的过程，其中涉及到许多技术的处理。

　　通过数据挖掘技术来处理大量的数据内容极大地提高人们处理的信息的效率，从中获取大量有价值的信息和知识来帮助人们进行决策工作。

　　这两种方法是数据挖掘中使用最多的最频繁的两种。要想良好的使用分类技术要提前明确数据的类别。回归分析是用属性的历史数据预测未来的趋势，找出各个数据间的相关关系。

　　聚类分析从大体上讲就是根据数据之间的相似之处进行数据分类。它是在没用明确数据类别前提下进行的。

　　应用最为广泛的数据挖掘技术，是从错综复杂的数据中发现事物之间可能存在的关联或者联系，这些关系比较隐晦。

　　时序模式与回归模式有许多相似之处，但不同于的时序模式的属性值是随时间变化的。因而考虑的是复杂多变的数据在时间维度的关系。

　　又称为偏差检测，主要用来发现与其他大部分对象不同的异常或者变化。异常检测在金融诈骗中发挥着巨大作用。