问金融领域思想中的数据挖掘

EN

我建议使用算法(也称为购物篮分析)来执行此数据集市的探索性挖掘。他告诉我，他和他的团队中的人对结果印象深刻，并打算在他们的定期挖掘工作流程中安装这项技术。

我为该项目选择了关联规则，因为：

• it运行起来几乎是开箱即用的(特别是，几乎不需要对数据进行预处理)和R.

• 配置和开始使用起来非常简单快速--本质上，您可以确定数据源和关联强度的最小阈值(即，*不返回任何关联低于该关联的规则集。开放源代码实现是可用的--我所知道的两个是Orange (用C++/python编写，用Python编写的脚本接口)和R.

在R中，关联规则挖掘可以通过几个第三方包来实现，其中最常用的是arules，可以在RForge上获得。

对于Orange，实际上包含了您想要的模块(orngAssoc)。

我不知道在Financial data上使用这种技术到底有多普遍；但是，我确实知道它有很多先例，目前它在这种情况下得到了成功的应用。(例如，请参阅。)

最好的办法是与你的金融分析师进行一次友好的交谈，并询问他们喜欢什么。我认为任何在图表上看起来很好的东西，你可以每周显示，都会很好。