数据挖掘实际案例——想上大学的有哪些人

数据挖掘是指用某些方法和工具，对数据进行分析，发现隐藏规律并利的一种方法。下面我们将通过具体的数据挖掘实际案例来学习什么是数据挖掘。

某社会机构，收集了大量的学生考大学的数据。该机构希望找出一些规律，以推动更多的学生考大学。该机构委托你来做这个分析工作，给出具体的可以推动更多学生考大学的建议。

收集到的数据如下：

你可能会考虑用SQL语句进行查询分析。但问题是：

用什么语句查呢？要组合什么条件呢？

你想查到怎样的结果呢？这个结果对决策有帮助吗？

那数据挖掘一下吧！但如何挖掘呢？

不了解数据挖掘的人，往往会认为只需要让计算机去挖掘一下，计算机就能帮我们找出想要的东西。计算机哪会这样神奇，在了解数据挖掘实际案例之前，我们必须要自己好好分析一下。

1.明确挖掘的目标。

我们看看原始需求是这样的：该机构希望找出一些规律，以推动更多的学生考大学。
你可能会说：该目标也太大了一点吧！现在该机构委托你做这个事情，人家不是专业人士，你还指望人家什么都帮你做好吗？那要你干嘛！
我们仔细分析一下，原始数据有姓名、性别、IQ、家庭年收入、兄弟姐妹数量、是否想上大学字段，要推动更多学生考大学，我们无非就是要分析出：

1)有上大学计划的人主要原因是什么呢？
2)无上大学计划的人主要原因是什么呢？

分析出这些原因，就可以提出针对性的建议了。

2.明确因果关系

看下面这个图：

对原始数据表进行分析，我们可以推论出：家庭收入、性别、兄弟姐妹数量、IQ这些因素，很可能会影响有否上大学计划。至于姓名会不会影响，我们可以用常识判断应该不会，故可以排除。
这样我们就可以确定输入列有：家庭收入、性别、兄弟姐妹数量、IQ，可预测列为：有上大学计划否。

数据挖掘的目标就是找出输入列与可预测列的关系，只要找到这个规律，就可以提出针对性的建议，也可以利用这个规律做预测。

以上工作准备就绪后，我们就需要选择合适的分析方法来数据挖掘了。我们选择“决策树”的方法，下面是决策树的部分分析结果：

说明：
1.最上面的一个节点表示有55%的人有计划上大学，45%的人没有计划。
2.第二层节点，以IQ为条件进行划分，IQ大于100的人中，有上大学计划的人有79%之多，而IQ小于等于100的人，有上大学计划的人只有35%，这说明IQ是很重要的影响因素。
3.第三层节点是年收入，第四层是兄弟姐妹数量。
4.决策树算法会分析原始数据，将影响程度最大的因素排在上面，次之的因素排在后面。

由上面的分析，我们可以得到这样的一些信息：
1.越是IQ高的越有上大学的计划。
2.家庭收入越高，越有上大学计划。
3.兄弟姐妹越多，上大学计划就越微。
4.性别没有在这棵树出现，说明性别对有否上大学计划没有明显影响。

接下来我们就可以提出针对性的建议，以推动更多人考大学：
1.大学学位有限，目前重点应该是鼓励更多的聪明的学生考大学。
2.聪明的学生不计划上大学，主要原因是家庭收入低、兄弟姐妹多，针对这样的情况，政府可考虑降低大学学费，或对低收入、多子女的家庭进行资助。

总结一下数据挖掘的过程：

1.明确你的目标，收集相关数据。

2.根据目标分析这些数据，找出输入列、可预测列。

3.选择合适的数据挖掘方法。

4.分析数据挖掘结果，给出建议。 第2、3步可能需要不断地尝试和调试，才能找到合适的分析结果。

怎么样？这个过程不简单吧？以上这个数据挖掘实际案例已经经过我的简化和提炼，其目标就是让大家能容易理解什么是数据挖掘，实际工作中的数据挖掘难度是很高的，需要具备这些能力：

1.能深彻体会业务的要求，能将客户笼统的需求转化为实在的工作指导。
2.能分析出输入列、可预测列。
3.熟悉各种数据挖掘方法，会选择合适的方法进行分析。
4.能深入分析数据挖掘的结果，综合运用你的各种知识，为客户提出针对性的决策建议。