相對于武漢，北京的秋來的真是早，九月初的傍晚，就能夠感覺到絲絲絲絲絲絲的涼意。

最近兩件事挺有感覺的。

看某發布會，設計師李劍葉的話挺讓人感動的。“**的設計是內斂和克制的…。希望設計成為一種，可以被忽略的存在感”。

其次，有感于不斷跳Tone的婦科圣手，馮唐，“有追求、敢放棄”是他的標簽。

“如何分辨出垃圾郵件”、“如何判斷一筆交易是否屬于欺詐”、“如何判斷紅酒的品質和檔次”、“掃描王是如何做到文字識別的”、“如何判斷佚名的著作是否出自某位名家之手”、“如何判斷一個細胞是否屬于腫瘤細胞”等等，這些問題似乎都很專業，都不太好回答。但是，如果了解一點點數據挖掘(Data Mining)的知識，你，或許會有柳暗花明的感覺。

的確，數據挖掘無處不在。它和生活密不可分，就像空氣一樣，彌漫在你的周圍。但是，很多時候，你并不能意識到它。因此，它是陌生的，也是熟悉的。

本文，主要想簡單介紹下數據挖掘中的算法，以及它包含的類型。然后，通過現實中觸手可及的、活生生的案例，去詮釋它的真實存在。

一、數據挖掘的算法類型

一般來說，數據挖掘的算法包含四種類型，即分類、預測、聚類、關聯。前兩種屬于有監督學習，后兩種屬于無監督學習，屬于描述性的模式識別和發現。

(一)有監督學習

有監督的學習，即存在目標變量，需要探索特征變量和目標變量之間的關系，在目標變量的監督下學習和優化算法。例如，信用評分模型就是典型的有監督學習，目標變量為“是否違約”。算法的目的在于研究特征變量(人口統計、資產屬性等)和目標變量之間的關系。

(1)分類算法

分類算法和預測算法的最大區別在于，前者的目標變量是分類離散型(例如，是否逾期、是否腫瘤細胞、是否垃圾郵件等)，后者的目標變量是連續型。一般而言，具體的分類算法包括，邏輯回歸、決策樹、KNN、貝葉斯判別、SVM、隨機森林、神經網絡等。

(2)預測算法

預測類算法，其目標變量一般是連續型變量。常見的算法，包括線性回歸、回歸樹、神經網絡、SVM等。

(二)無監督學習

無監督學習，即不存在目標變量，基于數據本身，去識別變量之間內在的模式和特征。例如關聯分析，通過數據發現項目A和項目B之間的關聯性。例如聚類分析，通過距離，將所有樣本劃分為幾個穩定可區分的群體。這些都是在沒有目標變量監督下的模式識別和分析。

(1)聚類分析

聚類的目的就是實現對樣本的細分，使得同組內的樣本特征較為相似，不同組的樣本特征差異較大。常見的聚類算法包括kmeans、系譜聚類、密度聚類等。

(2)關聯分析

關聯分析的目的在于，找出項目(item)之間內在的聯系。常常是指購物籃分析，即消費者常常會同時購買哪些產品(例如游泳褲、防曬霜)，從而有助于商家的捆綁銷售。