从对与错、好与坏的简单分类，到复杂的生物学中的界门纲目科属种，人类对客观世界的认识离不开分类， 通过将有共性的事物归到一类，区别不同的事物， 使得对大量的繁杂事物条理化和系统化。
数据挖掘的分类分析
但随着事物复杂程度的提升，人类凭借经验和专业知识已经很难进行准确分类了，因此需要使用数学工具进行更精确地定量分析。
数据挖掘的分类分析就是通过事物特征的定量分析，形成能够进行分类预测的分类模型，显然，类别的取值是离散值。要注意的是分类模型作出的分类预测不是归纳出的新类，而是预先定义好的目标类。
用数学化的语言描述: 分类任务就是通过学习得到一个目标函数f，把每个属性集x映射到一个预先定义的类标号y。
分类分析的作用
现实商业活动中的许多问题都能抽象成分类问题，例如客户管理， 在当前的市场营销行为中很重要的一个特点是强调目标客户细分，无论是银行对贷款风险的评估还是营销中的目标客户（或市场）细分，其实都属于分类算法中客户类别分析的范畴，而客户类别分析的功能也正在于此：采用数据挖掘中的分类技术，将客户分成不同的类别，以便于提高企业的决策效率和准确度。
其他场景如推荐系统， 垃圾邮件过滤， 信用卡分级等等， 都能转化为分类问题。
分类分析的流程
分类分析遵循数据挖掘一般的流程， 上周我们将泰坦尼克号数据集进行了预处理（处理过程请查看上期文章《科学的数据预处理让数据挖掘更准确》），现在可以直接利用这份处理好的数据对乘客是否获救进行分析， 得到乘客是否获救的预测模型。
1. 选择数据集
选择的数据集一定含有离散型的目标类，这里是否获救作为目标类， 1表示获救， 0表示没有获救。
2. 特征选取
选取和目标类有关的特征， 去掉明显与目标无关的特征， 乘客ID， 乘客姓名， 只是记录标识， 与目标没有相关性， 船票信息只是文本信息， 也与目标无关， 仍然存在无法判断与目标是否相关的其他特征， 可以都作为训练输入特征， 因此选取年龄， 客舱，登船港口，乘客等级，性别，堂兄妹个数，父母小孩个数，票价作为输入特征。
3. 选择算法训练模型
分类算法多种多样， 都有各自的特点， 可以根据需求场景选择最合适的算法并调整参数，点击训练模型即可开始计算，得到模型。 这里选择决策树算法， 算法参数设置为:
得到决策树模型：
如图，黄色表示获救， 蓝色表示死亡， 得到的这个决策树模型和我们所知道的事实相符， 救生船登船资格是妇女和儿童优先。
4. 模型评估与对比
模型评估需要一个有实际类别的测试集， 这里我们分割出30%的数据作为测试集。 用得到的模型进行分类预测， 通过对比预测结果和实际结果来评估模型的好坏， 评估指标有很多，例如正确率， 召回率， 提升率， ROC曲线……分类模型都使用相同的指标进行评估，这样可以和其他算法训练出的模型进行对比，选择表现最好的模型。
这里我们使用逻辑回归算法也得到了一个模型， 得到了回归方程的系数：
通过比较评估结果：
ROC曲线比较：曲线下面积最大的模型最优。
混淆矩阵比较， 列出目标类实际值和预测值的数量。
模型总体指标比较，误差类指标都是越小越好， 其他都是越大越好。
模型每一类评估指标比较， 在目标类数据不平衡时， 这些指标比总体指标更能衡量模型的性能。
经过对比， 我们得到如下结论：
5. 模型应用
分类模型的应用即进行分类预测， 我们所得到的模型就相当于一个函数， 载入相关数据，就能返回预测结果。要注意的是待预测数据必须含有训练时选取的特征， 并设置好对应关系，如下图：
参数设置完毕后， 模型就能自动进行分类预测， 结果如下：
这样我们就能根据应用结果， 进行决策了。
常用分类算法
WonderDM支持常用的几种分类算法， 看到逻辑回归不要惊讶， 逻辑回归解决的是分类问题。 还有许多其他复杂的算法， WonderDM都可以扩展， 例如随机森林， 支持向量机， 贝叶斯网络， 还有各种集成算法等等， 没有最好的算法， 只有最合适的算法。
在实际场景中，进行分类分析的关键其实是个转换问题， 如何将具体业务问题抽象成分类问题。就好比我们解数学中的应用题， 准备好了数据， 确定好目标类，就相当于列好了含有未知数的方程，剩下的都是解方程的问题， 而这部分都有程序来帮忙解决。因此，使用WonderDM进行分类分析并不是一件复杂的事情。
