数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
针对我们不同的数据挖掘目标，需要采用不同的算法。常见的数据挖掘目标有预测、分类、探索等，数据挖掘算法分为监督性和非监督性两大类。具体见如下表格：
| 目标 | 监督性 | 非监督性 |
| 预测（针对连续型变量）：客户生命价值，资产价格变化趋势 | 回归、决策树、神经网络 | 不可行 |
| 分类（针对离散变量）：流失客户预测，客户还款行为预测（欠款，提前还款） | 逻辑回归、决策树、神经网络、判别式分析、近邻模型 | 聚类神经网络自组织特征映射 |
| 探索：高价值客户/产品的关键特征，基于数据定义的客户画像 | 决策树 | 主成分分析聚类 |
| 相似：金融产品菜篮子分析 | 无应用 | 关联规则序列分析链接分析 |
一、教育领域
数据挖掘技术的应用已经渗入到教育教学的各个方面，如支持教育科学决策、实施个性化教育、对学生的学业成绩进行评估等。数据挖掘的实际应用逐渐突破了传统的教学模式，改善了教学效果，促进了教学质量的提升。
二、风控领域
数据挖掘作为深层次的数据信息分析方法，能够对各种因素之间隐藏的内在联系进行全面分析。目前在风控领域可应用于信贷风险评估、交易欺诈识别、黑产防范及消费信贷四个方面，通过风险预警，可以让风险管理者提前做好准备，从而为决策提供参考信息。数字化转型网www.szhzxw.cn
三、医疗领域
目前，医院已经积累了涵盖患者、费用、药物以及相关管理信息等数据资源，数量庞大且类型复杂。数据挖掘技术则能够帮助医院从中提取出有价值的信息，满足医疗服务各个环节的需求。其在医疗成本的预测和控制、慢性疾病的预警、医疗信息质量管理等方面，都起到了明显的正向作用。····Part5 数据挖掘的必备技能点？数据挖掘涉及的内容比较泛，涉及的内容包括数据库、数据仓库、机器学习、信息检索。还有数据库理论、数学基础（包括数理统计、概率、图论等），还必须熟练掌握一种编程语言（包括java，python等），还要会使用数据挖掘工具软件（weka、matlab、spss等）。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含： 数字化转型网（www.szhzxw.cn）
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于木木自由；编辑/翻译：数字化转型网Jack。
