|
資料挖掘簡介 在1990年代由於大量資料的產生、資料倉儲的協助、計算能力的提昇及強大的競爭力，商業用的資料挖掘在最近幾年大量地被應用。 資料挖掘（Data Mining）是經由自動或半自動的方法探勘及分析大量資料，以建立有效的模型及規則，讓企業透過資料挖掘來更瞭解他們的客戶。進而改進他們的行銷、業務及客服的運作。 資料挖掘的工作包括對資料的分類(classification)、推估(estimation)、預測(prediction)、關聯分組(affinity grouping)、群集化(clustering)以及描述(description)。 分類(classification)： 分類是分析一個新事物的所有特質，在將其指派至一個現有的群集中，根據我們的需要，這些分類的事物通常是一組資料庫中的交易資料，並且賦於每一筆資料用以區別群集的辦識碼，決策樹以及記憶基礎理解是特別適用於分類的工作，而連結分析(link analysis)，在某些情況下也能夠進行分類的工作。 推估(estimation)： 分類所給的總是像「是與否」這樣不連續的答案，而推估則是善於處理連續性的問題，藉由輸入資料，用來推估一些未知的連續性變數。類神經網路在推估的作業上，能夠發揮強大的功能。 預測(prediction)： 預測是去推估未來的數值以及趨勢，歷史資料可以用來建立模型以檢視近來觀察值的資料，如果利用最新資料作為輸入值，可以獲得關於未來變化的預測值。購物籃分析(Market Basket Analysis)、記憶基礎理解、決策樹以及類神經網路都是用來進行預測作業的技術，不過要視輸入資料的性質、想預測的數值類型以及預測結果的解釋性來斟酌使用技術。 關聯分組(affinity grouping)： 關聯分組的功能是去發覺哪些事情總是同時發生，最典型的案例就是去分析在超級市場購物的購物籃，因此有時會稱之為購物籃分析。關聯分組也可以用來確立交叉銷售(cross selling)的基礎，並藉此設計吸引消費者的促銷方案。 群集化(clustering)： 群集化就是將一群異質的群體區隔為同質性較高的群集或是子集。這與分類不同的是，群集化並沒有依靠事先明確定義的類別進行分類。 描述(description)：有時，資料挖掘的目的只是簡單的描述在這複雜的資料庫中，到底發生了什麼？透過這種方式，能夠對客戶、產品以及流程有更多的認識。一個詳盡的顧客行為描述，通常能帶來更多行為的解釋，描述可以讓我們知道該從何處著手去解釋這些現象。像購物籃分析就是屬於敘述性的技術，而像是類神經網路，就完全無法提供任何敘述性的資訊。 下列簡單介紹資料挖掘的各種技術： 購物籃分析： 購物籃分析是「群集分析」的一種形式，著眼點在於找出可以一起販售的商品組合－它能顯示商品組合的售出率有多高並形成規則。零售業是購物籃分析最有密切關係的企業。 記憶基礎理解(MBR)： 記憶基礎理解是一種監督式資料挖掘技術，利用已知的範例形成推斷未知的模型。記憶基礎理解分析會找尋與已知部分最接近的案例，並且將它們結合，以產生分類項與預測值。 決策樹： 決策樹是由分類與回歸樹(Classification and Regression Trees, CART)和卡方自動歸納法(Chi-Squared Automatic Induction)等技術產生的強大模型。決策樹可應用在監督式資料挖掘上，尤其是資料分類，它能將訓練模組的紀錄區分為獨立的子群－並且每一子群都有自己的規律。決策樹的優勢在於它的可解釋性高，因為它採用的規則都由直接淺明的文字寫成，這可以讓使用者評價結果、過程中找出關鍵屬性。 人工類神經網路： 類神經網路可以說是最常見的資料挖掘技術，利用人類神經思考過程的原理，它可以從訓練資料組中學習，並產生歸類和預測的模型。類神經網路的優勢在於它的廣泛應用度，因為它有眾多的軟體製造商的大量應用軟體和工具支援。類神經網路有兩大缺點，其一是它產生的模型難以解釋，其二是他們對於資料的形式過度敏感－資料的形式不同，結果可能會天差地遠。 基因演算法： 基因演算法應用基因演化和天擇的機制找尋預測功能的最佳參數，因此多用在監督式資料挖掘上。基因演算法類似統計學，模型的形式必須先行確定，基因演算法使用選擇、雜交(Crossover)和突變繁衍出成功世代的各種模型。在世代繁衍的過程中，優勝劣敗，直到最佳方案出現。
|