初級經(jīng)濟(jì)師報考培訓(xùn)，環(huán)球經(jīng)濟(jì)師網(wǎng)課性價比很高。

經(jīng)濟(jì)師考試初級商業(yè)預(yù)習(xí)考點(diǎn)數(shù)據(jù)挖掘

數(shù)據(jù)挖掘

數(shù)據(jù)挖掘(DataMining，DM)就是按企業(yè)的既定目標(biāo)對大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的或驗(yàn)證已知的商業(yè)規(guī)律，且進(jìn)一步將其模式化的數(shù)據(jù)處理方法。它的最大特點(diǎn)就是能夠建立預(yù)測模型，預(yù)知未來的發(fā)展，使企業(yè)在規(guī)劃時具有科學(xué)決策依據(jù)。現(xiàn)在'大型數(shù)據(jù)庫管理系統(tǒng)都具有建立數(shù)據(jù)倉庫的功能，并在數(shù)據(jù)庫、數(shù)據(jù)倉庫的基礎(chǔ)上進(jìn)行數(shù)據(jù)挖掘。

數(shù)據(jù)挖掘具有以下主要功能：

(1)分類和預(yù)測。分類是從大量數(shù)據(jù)中找出不同類別對象的特征，從而對新加人對象進(jìn)行自動分類。如銀行會按客戶的信用程度分類，數(shù)據(jù)挖掘能找出各類客戶的數(shù)據(jù)特征，以后就能快速判斷一個新客戶的信用類別。分類數(shù)據(jù)挖掘還可用于預(yù)測，如預(yù)測可能流失，投奔競爭對手的客戶。

(2)聚類分析。聚類是根據(jù)數(shù)據(jù)特征對數(shù)據(jù)對象進(jìn)行自動歸類。聚類與分類的不同在于分類預(yù)先知道應(yīng)該分成哪幾類，而聚類在操作之前并不知道數(shù)據(jù)可以分成哪些類別。如通過聚類分析可以將網(wǎng)購客戶劃分成互不相交的客戶群，以便為不同的客戶群推薦不同的目標(biāo)商品。

(3)關(guān)聯(lián)分析。關(guān)聯(lián)分析是在大量數(shù)據(jù)中找出有關(guān)聯(lián)的數(shù)據(jù)，或者找出同時發(fā)生的事件。關(guān)聯(lián)可分為簡單關(guān)聯(lián)、時序關(guān)聯(lián)、因果關(guān)聯(lián)。如在超市的交易數(shù)據(jù)中發(fā)現(xiàn)哪些商品可能會被同時購買，從而尋找哪些商品捕綁銷售能夠有更多的受眾。

(4)離群點(diǎn)分析。數(shù)據(jù)庫中可能包含一些數(shù)據(jù)對象，它們與數(shù)據(jù)的一般行為或模型不一致，這些數(shù)據(jù)對象是離群點(diǎn)。大部分?jǐn)?shù)據(jù)挖掘方法將離群點(diǎn)視為噪聲或異常而丟棄，然而，在一些應(yīng)用中(如欺騙檢測)，罕見的事件可能比正常出現(xiàn)的事件更有價值。如檢測一個給定賬號的付費(fèi)情況相比，其購買數(shù)額特別大、超出正常付費(fèi)的數(shù)據(jù)對象可用來發(fā)現(xiàn)信用卡欺騙性使用。

以上就是關(guān)于初級經(jīng)濟(jì)師報考培訓(xùn)的詳細(xì)介紹，更多與經(jīng)濟(jì)師培訓(xùn)有關(guān)的內(nèi)容，請繼續(xù)關(guān)注數(shù)豆子。