数据挖掘技术分类http://www.vsharing.com/k/BI/2011-10/A651190.html
1 关联分析：啤酒和尿布，猜你喜欢
用于做关联分析的算法有Apriori
2 分类分析：事先知道类别和分类标准，用户信用分层
3 序列模式：访问路径、购买路径
4 聚类分析：分类分析的逆过程，聚类分析之前还不知道类别，从大量数据集合中，自动划分类别。划分标准是类内差别最小，类间差别最大
http://ebike.blog.bokee.net/bloggermodule/blog_viewblog.do?id=6094445
http://www.lw23.com/pdf_3780b81c-9173-41e9-983b-61f161a1454d/lunwen.pdf
通过收集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定内容的定向营销，这与传统的不区分消费者对象特征的大规模营销手段相比，大大节省了营销成本，提高了营销效果，从而为企业带来更多的利润。
主要算法有神经元网络算法、决策树算法、遗传算法
http://idmer.blog.sohu.com/120174910.html
http://www.5ykj.com/Article/xslwjjgl/51454.htm
在零售业，数据挖掘可有助于识别顾客购买行为，发现顾客购买模式和趋势，改进服务质量，取得更好的顾客保持力和满意程度，提高货品销量比率，设计更好的货品运输与分销策略，减少商业成本。
5 关键概念
支持度(Support)的公式是：Support(A->B)=P(A U B)。支持度揭示了A与B同时出现的概率。如果A与B同时出现的概率小，说明A与B的关系不大；如果A与B同时出现的非常频繁，则说明A与B总是相关的。
置信度(Confidence)的公式式：Confidence(A->B)=P(A | B)。置信度揭示了A出现时，B是否也会出现或有多大概率出现。如果置信度度为100%，则A和B可以捆绑销售了。如果置信度太低，则说明A的出现与B是否出现关系不大。
示例：某销售手机的商场中，70%的手机销售中包含充电器的销售，而在所有交易中56%的销售同时包含手机和充电器。则在此例中，支持度为56%，置信度为70%。