如何利用資料挖掘進行分析的方法

ps：作為目前人工智能和資料庫領域研究的熱點問題，資料挖掘從資料庫的大量資料中揭示出隐含的、先前未知的并有潛在價值的資訊的非平凡過程。

資料挖掘（data mining，dm），又稱資料庫中的知識發現（knowledge discover in

database，kdd），是目前人工智能和資料庫領域研究的熱點問題，所謂資料挖掘是指從資料庫的大量資料中揭示出隐含的、先前未知的并有潛在價值的資訊的非平凡過程。資料挖掘是一種決策支援過程，它主要基于人工智能、機器學習、模式識别、統計學、資料庫、可視化技術等，高度自動化地分析企業的資料，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場政策，減少風險，做出正确的決策。

——以上引自互動百科

資料挖掘（data mining）的十種分析方法：

1.記憶基礎推理法（memory-based reasoning：mbr）

記憶基礎推理法最主要的概念是用已知的案例（case）來預測未來案例的一些屬性（attribute），通常找尋最相似的案例來做比較。

記憶基礎推理法中有兩個主要的要素，分别為距離函數（distance function）與結合函數（combination

function）。距離函數的用意在找出最相似的案例；結合函數則将相似案例的屬性結合起來，以供預測之用。記憶基礎推理法的優點是它容許各種型态的數

據，這些資料不需服從某些假設。另一個優點是其具備學習能力，它能藉由舊案例的學習來擷取關于新案例的知識。

較令人诟病的是它需要大量的曆史資料，有足夠

的曆史資料方能做良好的預測。此外記憶基礎推理法在處理上亦較為費時，不易發現最佳的距離函數與結合函數。其可應用的範圍包括欺騙行為的偵測、客戶反應預

測、醫學診療、反應的歸類等方面。

2.市場購物籃分析（market basket analysis）

購物籃分析最主要的目的在于找出什麼樣的東西應該放在一起？商業上的應用在藉由顧客的購買行為來了解是什麼樣的顧客以及這些顧客為什麼買這些産品，找出相關的聯想（association）規則，企業藉由這些規則的挖掘獲得利益與建立競争優勢。

舉例來說，零售店可藉由此分析改變置物架上的商品排列或是設計吸引客戶的商業套餐等等。

購物籃分析基本運作過程包含下列三點：

（1）選擇正确的品項：這裡所指的正确乃是針對企業體而言，必須要在數以百計、千計品項中選擇出真正有用的品項出來。

（2）經由對共同發生矩陣（co-occurrence matrix）的探讨挖掘出聯想規則。

（3）克服實際上的限制：所選擇的品項愈多，計算所耗費的資源與時間愈久（呈現指數遞增），此時必須運用一些技術以降低資源與時間的損耗。

購物籃分析技術可以應用在下列問題上：

（1）針對信用卡購物，能夠預測未來顧客可能購買什麼。

（2）對于電信與金融服務業而言，經由購物籃分析能夠設計不同的服務組合以擴大利潤。

（3）保險業能藉由購物籃分析偵測出可能不尋常的投保組合并作預防。

（4）對病人而言，在療程的組合上，購物籃分析能作為是否這些療程組合會導緻并發症的判斷依據。

3.決策樹（decision trees）

決 策樹在解決歸類與預測上有着極強的能力，它以法則的方式表達，而這些法則則以一連串的問題表示出來，經由不斷詢問問題最終能導出所需的結果。典型的決策樹

頂端是一個樹根，底部有許多的樹葉，它将紀錄分解成不同的子集，每個子集中的字段可能都包含一個簡單的法則。此外，決策樹可能有着不同的外型，例如二進制

樹、三元樹或混和的決策樹型态。

4.基因算法（genetic algorithm）

基 因算法學習細胞演化的過程，細胞間可經由不斷的選擇、複制、交配、突變産生更佳的新細胞。基因算法的運作方式也很類似，它必須預先建立好一個模式，再經由

一連串類似産生新細胞過程的運作，利用适合函數（fitness

function）決定所産生的後代是否與這個模式吻合，最後僅有最吻合的結果能夠存活，這個程式一直運作直到此函數收斂到最佳解。基因算法在群集

（cluster）問題上有不錯的表現，一般可用來輔助記憶基礎推理法與類神經網絡的應用。

5.群集偵測技術（cluster detection）

這個技術涵蓋範圍相當廣泛，包含基因算法、類神經網絡、統計學中的群集分析都有這個功能。它的目标為找出資料中以前未知的相似群體，在許許多多的分析中，剛開始都運用到群集偵測技術，以作為研究的開端。

6.連結分析（link analysis）

連 結分析是以數學中之圖形理論（graph

theory）為基礎，藉由記錄之間的關系發展出一個模式，它是以關系為主體，由人與人、物與物或是人與物的關系發展出相當多的應用。例如電信服務業可藉

連結分析收集到顧客使用電話的時間與頻率，進而推斷顧客使用偏好為何，提出有利于公司的方案。除了電信業之外，愈來愈多的營銷業者亦利用連結分析做有利于

企業的研究。

7.線上分析處理（on-line analytic processing；olap）

嚴 格說起來，線上分析處理并不算特别的一個資料挖掘技術，但是透過線上分析處理工具，使用者能更清楚的了解資料所隐藏的潛在意涵。如同一些視覺處理技術一

般，透過圖表或圖形等方式顯現，對一般人而言，感覺會更友善。這樣的工具亦能輔助将資料轉變成資訊的目标。

8.類神經網絡（neural networks）

類神經網絡是以重複學習的方法，将一串例子交與學習，使其歸納出一足以區分的樣式。若面對新的例證，神經網絡即可根據其過去學習的成果歸納後，推導出新的結

果，乃屬于機器學習的一種。資料挖掘的相關問題也可采類神經學習的方式，其學習效果十分正确并可做預測功能。

9.差別分析（discriminant analysis）

當 所遭遇問題它的因變量為定性（categorical），而自變量（預測變量）為定量（metric）

時，差別分析為一非常适當之技術，通常應用在解決分類的問題上面。若因變量由兩個群體所構成，稱之為雙群體 — 差別分析 （two-group

discriminant analysis）；若由多個群體構成，則稱之為多元差別分析（multiple discriminant

analysis；mda）。

（1） 找出預測變量的線性組合，使組間變異相對于組内變異的比值為最大，而每一個線性組合與先前已經獲得的線性組合均不相關。

（2） 檢定各組的重心是否有差異。

（3） 找出哪些預測變量具有最大的差別能力。

（4） 根據新受試者的預測變量數值，将該受試者指派到某一群體。

10.羅吉斯回歸分析（logistic analysis）

當 差別分析中群體不符合常态配置設定假設時，羅吉斯回歸分析是一個很好的替代方法。羅吉斯回歸分析并非預測事件（event）是否發生，而是預測該事件的機率。

它将自變量與因變量的關系假定是s行的形狀，當自變量很小時，機率值接近為零；當自變量值慢慢增加時，機率值沿着曲線增加，增加到一定程度時，曲線協率開

始減小，故機率值介于0與1之間。

摘自《市場研究網絡版》，作者謝邦昌教授