1、分类问题
分类问题归于猜测性的问题,可是它跟普通猜测问题的差异在于其猜测的结果是类别(如A、B、C三类)而不是一个具体的数值(如55、65、75……)。
举个例子,你和朋友在路上走着,迎面走来一个人,你对朋友说:我猜这个人是个上海人,那么这个问题就归于分类问题;如果你对朋友说:我猜这个人的年龄在30岁左右,那么这个问题就归于后面要提到的猜测问题。
2、聚类问题
聚类问题不归于猜测性的问题,它首要处理的是把一群目标划分红若干个组的问题。划分的依据是聚类问题的中心。所谓“物以类聚,人以群分”,故得名聚类。
聚类问题简单与分类问题混淆,首要是语言表达的原因,因为咱们常说这样的话:“根据客户的消费行为,咱们把客户分红三个类,第一个类的首要特征是……”,实际上这是一个聚类问题,可是在表达上简单让咱们误解为这是个分类问题。
3、相关问题
说起相关问题,可能要从“啤酒和尿布”说起了。有人说啤酒和尿布是沃尔玛超市的一个经典事例,也有人说,是为了宣扬数据发掘/数据仓库而假造出来的虚构的“托”。不管怎么,“啤酒和尿布”给了咱们一个启示:世界上的万事万物都有着千丝万缕的联络,咱们要长于发现这种相关。
4、猜测问题
此处说的猜测问题指的是狭义的猜测,并不包含前面阐述的分类问题,因为分类问题也归于猜测。一般来说咱们谈猜测问题首要指猜测变量的取值为连续数值型的状况。
例如天气预报猜测明天的气温、国家猜测下一年度的GDP增长率、电信运营商猜测下一年的收入、用户数等?
关于数据挖掘能解决哪些问题,青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣,希望这篇文章能够对你有所帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容,可以点击本站的其他文章进行学习。