挖掘建模是什么？

挖掘建模是数据挖掘的核心环节，指样本抽取与预处理后确定问题类型并选算法构建模型，核心构成包括问题归类、算法选择、模型构建与公式化。解决的是如何把业务问题转成可运行的分类、聚类、关联规则或推荐模型，餐饮场景中对应菜品推荐与销量预测。并不解决样本质量与噪声带来的偏差。

样本抽取完成并经预处理后，接下来要考虑的问题是：本次建模属于数据挖掘应用中的哪类问题（分类、聚类、关联规则、时序模式或智能推荐）？选用哪种算法进行模型构建？

这一步是数据挖掘工作的核心环节。针对餐饮行业的数据挖掘应用，挖掘建模主要包括基于关联规则算法的动态菜品智能推荐、基于聚类算法的餐饮客户价值分析、基于分类与预测算法的菜品销量预测、基于整体优化的新店选址。

以菜品销量预测为例，模型构建是对菜品历史销量，综合考虑节假日、气候和竞争对手等采样数据轨迹的概括，它反映的是采样数据内部结构的一般特征，并与该采样数据的具体结构基本吻合。模型的具体化就是菜品销量预测公式，公式可以产生与观察值有相似结构的输出，这就是预测值。