数据挖掘算法好处

A. 用于数据挖掘的聚类算法有哪些，各有何优势

K均值聚类：最适合处理大数据，适用于大样本的个案聚类，分类数明确，适用于连续性变量；
系统聚类：适用于个案或变量聚类，对分类数没有要求，连续性和分类型变量均适用；
两步聚类：1）分类变量和连续变量均可参与二阶聚类；2）可自动确定分类数；3）适用于大数据集；4）用户可自己定制用于运算的内存容量

B. 数据挖掘，聚类分析算法研究的目的和意义是什么！

图像分割
基本原理：根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域的过程。这些子区域四某种意义下具有共同属性的像素的连通集合。常用方法有：
1） 以区域为对象进行分割，以相似性原则作为分割的依据，即可根据图像的灰度、色彩、变换关系等方面的特征相似来划分图像的子区域，并将各像素划归到相应物体或区域的像素聚类方法，即区域法；
2） 以物体边界为对象进行分割，通过直接确定区域间的边界来实现分割；
3） 先检测边缘像素，再将边缘像素连接起来构成边界形成分割。

具体的阈值分割：

阈值分割方法分为以下3类:
1) 全局阈值:T=T[p(x,y)〕，即仅根据f(x,y)来选取阈值，阈值仅与各个图像像素的本身性质有关。
2) 局部阈值:T=T[f(x,y),p(x,y)],阈值与图像像素的本身性质和局部区域性质相关。
3) 动态阈值:T=T[x,y,f(x,y),p(x,y)],阈值与像素坐标，图像像素的本身性质和局部区域性质相关。
全局阈值对整幅图像仅设置一个分割阈值，通常在图像不太复杂、灰度分布较集中的情况下采用;局部阈值则将图像划分为若干个子图像，并对每个子图像设定局部阈值;动态阈值是根据空间信息和灰度信息确定。局部阈值分割法虽然能改善分割效果，但存在几个缺点:
1) 每幅子图像的尺寸不能太小，否则统计出的结果无意义。
2) 每幅图像的分割是任意的，如果有一幅子图像正好落在目标区域或背景区域，而根据统计结果对其进行分割，也许会产生更差的结果。
3) 局部阈值法对每一幅子图像都要进行统计，速度慢，难以适应实时性的要求。
全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。考虑到全局阈值分割方法应用的广泛性，本文所着重讨论的就是全局阈值分割方法中的直方图双峰法和基于遗传算法的最大类间方差法。在本节中，将重点讨论灰度直方图双峰法，最大类间方差法以及基于遗传算法的最大类间方差法留待下章做继续深入地讨论。
参详《数字图像处理》工具：MATLAB或VC++

C. 数据挖掘的重要性是什么

数据挖掘在企业和事业单位应用越来越广泛，它已经成为了一种新的经济资产，被看作是新世纪的矿产与石油，为整个社会带来了全新的创业方向、商业模式和投资机会。

数据挖掘就像眼睛和大脑，可以通过分析数据获得洞察力，就像大海上的指南针，指明方向。大数据时代，组织和企业会更多的依靠数据分析而非经验和直觉来制定决策。充分挖掘和使用数据的价值将为组织和企业带来强大的竞争力。另外，按照国家发展战略的要求，岗位人才的缺口以及市场规模的带动，都从不同方面体现了数据分析师职业的重要性。近年来，现代信息技术不断进步，以大数据为基础的各类科技应 用成为市场热点，通过将大数据应用于产品营销、客户体验改进、风险控制等方面，取得了很好的效果。所以，未来数据挖掘将会应用到越来越多的行业之中。

数据挖掘在未来重要性会越来越高，目前来说这方面的人才还是比较少的，推荐上CDA数据分析师的课程，能够掌握该项技术，对于未来发展是很有利的。课程以项目调动学员数据挖掘实用能力的场景式教学为主，在讲师设计的业务场景下由讲师不断提出业务问题，再由学员循序渐进思考并操作解决问题的过程中，帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。点击预约免费试听课。

D. 数据挖掘具有哪些特点

1、基于大量数据：并非说小数据量上就不可以进行挖掘，实际上大多数数据挖掘的算法都可以在小数据量上运行并得到结果。但是，一方面过小的数据量完全可以通过人工分析来总结规律，另一方面来说，小数据量常常无法反映出真实世界中的普遍特性。
2、非平凡性：所谓非平凡，指的是挖掘出来的知识应该是不简单的，绝不能是类似某着名体育评论员所说的“经过我的计算，我发现了一个有趣的现象，到本场比赛结束为止，这届世界杯的进球数和失球数是一样的。非常的巧合!”那种知识。这点看起来勿庸赘言，但是很多不懂业务知识的数据挖掘新手却常常犯这种错误。

3、隐含性：数据挖掘是要发现深藏在数据内部的知识，而不是那些直接浮现在数据表面的信息。常用的BI工具，例如报表和OLAP，完全可以让用户找出这些信息。

4、新奇性：挖掘出来的知识应该是以前未知的，否则只不过是验证了业务专家的经验而已。只有全新的知识，才可以帮助企业获得进一步的洞察力。

5、价值性：挖掘的结果必须能给企业带来直接的或间接的效益。有人说数据挖掘只是“屠龙之技”，看起来神乎其神，却什么用处也没有。这只是一种误解，不可否认的是在一些数据挖掘项目中，或者因为缺乏明确的业务目标，或者因为数据质量的不足，或者因为人们对改变业务流程的抵制，或者因为挖掘人员的经验不足，都会导致效果不佳甚至完全没有效果。但大量的成功案例也在证明，数据挖掘的确可以变成提升效益的利器。

E. 用于数据挖掘的分类算法有哪些各有何优劣呢

超级简单，就像做一些数数的工作。如果条件独立假设成立的话，NB将比鉴别模型，收敛的更快，所以你只需要少量的训练数据。

F. 大数据、数据挖掘各自的特色是什么

数据挖掘是一门技术，是学问，更狭义一点就是对一类算法研究的总称，这些算法的共同特点是从希望从真实世界的数据中识别出有用的pattern，进而获取新的知识，最终落实到decision making。大数据，这个概念非常的虚，被赋予了太多的含义，缺乏实质的内涵。但是“大”是他们的共性。我更倾向于将其理解为近年来兴起的一系列数据处理工具，其代表就是基于MapRece的Hadoop。他们大多基于分布式环境，以能够处理海量数据或者实时性为卖点。

大数据和云计算的关系：

1、从技术上来看，大数据和云计算的关系就像一枚硬币的正反面一样密不可分。

2、大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

3、云时代的来临，大数据的关注度也越来越高，分析师团队认为大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据。

4、大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。

5、大数据需要特殊的技术以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模的并行处理数据库、数据挖掘、分布式文件系统、分布式数据可、云计算平台、互联网和可扩展的存储系统。

G. 数据挖掘算法是做什么的

算法是利用计算机解决问题的处理步骤，简而言之，算法就是解决问题的步骤。

算法必须具备两个重要条件：

有效性：算法必须要为给定的任务给出正确的结果，即，有满足条件的输入值时，此算法一定要保证正常工作（返回正确的输出值）。表明算法有效性的方法之一就是断点。断点设置在算法的任意位置上，判断此位置是否满足给出的条件，即，程序是否正确运行。

终止性：算法中没有永远反复执行，即，没有无限循环，且不返回答案的情况。算法终止性可以用反复处理结束条件的判断变量，或经过有限次的反复一定能到达结束条件等方法证明。

H. 什么是数据挖掘 其功能是什么

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
数据挖掘的流程是：

定义问题：清晰地定义出业务问题，确定数据挖掘的目的。
数据准备：数据准备包括：选择数据–在大型数据库和数据仓库目标中 提取数据挖掘的目标数据集;数据预处理–进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。
数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。
结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。

I. 数据分析与数据挖掘到底有什么用

数据分析更浅显，利用现有数据进行计算即可；数据挖掘，是基于海量相关数据，进行多维度数据分析，需要更专业的行业知识和技术水平才能进行

分享华域云脑案例：大数据应用，大数据帮啤酒厂商更好的销售啤酒
WeissBeerger 是一家以色列的初创公司，核心产品是一款名为 Beverage Analytic 的软件应用，专门针对生啤销售市场设计，通过实施监控酒吧内的生啤销售情况来帮助啤酒制造商们更加灵活地感知市场、增加营收。

Beverage Analytic 对生啤销售的监控首先需要借助一个传感器和一个 移动 WiFi 大小的信息接收“盒子”。传感器和啤酒桶互相连接，因此各个店内生啤销售的数据可以被实时监控，并经由“盒子”传回后台。除了基础的销量外，生啤的温度也被作为重要信息收集，因为在某种程度上，温度确实会对生啤的口感产生一定的影响，进而影响饮料的口感。在数据收集后，Beverage Analytic 会向客户提供实时的数据可视化分析结果。

对于啤酒生产商而言，Beverage Analytic 的优势在于：

销量监控和分析，WeissBeerger 会在销售量、不同时间节点、地区等数据基础之上建立各个区域、甚至具体到单个酒吧的生啤消费模型。

动态营销建议，由于各个地区消费者在生啤上的消费习惯不同，一刀切的促销活动并不能起到 1+1=2 的作用，如果基于 Beverage Analytic 分析结果在不同地区进行针对性的营销方案，除了能节约成本外（在销量较好、市场成熟的区域促销力度并不需要很大），市场推广效果也能起到 1+1 >2 的结果。

全流程品控。前面提到，如果储藏不当，温度发生剧烈变化的情况下，生啤的品质也会发生变化，借助“盒子”的传感器，厂商可以将生啤产品的品控进一步延伸到销售端，实现全流程管理，保证了啤酒风味的稳定性。