数据挖掘主要方法有哪些？

一般来说无论是数据分析还是数据挖掘，可用的方法有很多，而数据分析师常用的数据挖掘方法包括：预测模型方法、数据分割方法、关联分析法和偏离分析法。接下来小编带你深入了解下这些数据挖掘方法：

  

预测模型方法

预测模型方法是数据挖掘主要方法中分支较为复杂的一类，包括神经网络与决策树等相关人工智能算法、进化算法及支持向量机等算法。

数据分割方法

数据分割是将数据依据某些属性将其聚类，使之具有一定的意义。由于数据的类型、数据的复杂度和聚类的数目等特点，聚类算法有很多，如划分方法、基于网络的方法、基于密度的方法、层次方法等。

  

关联分析法

关联分析法是寻找数据间的关联，但从大数据集中寻找关联可能会导致效率降低，找到的关联也可能毫无意义。在研究过程中存在“支持度”和“置信度”，“支持度”可以有根据地将那些毫无意义的数据删除，而“置信度”可以衡量设置规则的可能性。关联分析法的主要算法有Apriori算法、DHP算法和DIC算法等。

偏离分析法

偏差包括潜在的信息量，例如设定模式中的特例、分类中的异样实例以及分析实验得到的最终结果与实验前设定的期望之间的偏差等。观察比较最终的结果与参照量之间的偏差是偏离分析法的核心所在。

在企业的预警或是危机解决的过程中，专业的管理者对突发的意外规则更感兴趣，在异常信息的发现、识别、观察、分析、挖掘、评价和预警等方面，挖掘意外规则的应用价值备受关注。