聚类模型属于飞溅读式挖掘模型，以用户属性、行为、消费等特征数据为输入，将用户自动聚类为若干类，通常用来挖掘潜在目标客户群体，也可以用在大数据营销工具、CRM工具和防欺诈解决方案上。
分类预测模型分析学习历史数据经验，预测分析未来数据发展方向。模型输出是离散数据或类别的称为分类模型，模型输出是数值类型数据的模型称为数值预测模型。分类模型根据训练数据集的类别号属性，学习现有分类数据的分类规则来构建分类器，最终备用于分类新数据。数值预测模型根据数据输入，对训练数据进行模型拟合，最终建立连续性数值函数。分类预测模型的典型应用有欺诈检测、市场定位、性能预测、医疗诊断、价格预测等。
关联规则挖掘模型，用于发现隐藏在大型数据集中的令人感兴趣的联系。关联规则挖掘分为“频繁项集产生”和“关联规则产生”两个主要任务。“频繁项集产生”的目的是发现满足最小支持度阈值的所有项集，这些项集称作频繁项集。“关联规则的产生”目标是从上一步发现的频繁项集中提取所有高置信度的规则，这些规则称为强规则。关联规则挖掘模型的典型应用产品关联推荐和精确营销。
原文地址：http://blog.csdn.net/u013485584/article/details/42295001
