“預測”已經成為數據挖掘模型可以做什么的可接受的描述，即我們常說的“預測模型”和“預測分析”。這是因為許多流行的數據挖掘模型經常使用“預測可能的結果”(或者解釋可能的結果如何有可能)。這種方法是分類和回歸模型的典型應用。

　　但是，其他類型的數據挖掘模型，比如聚類和關聯模型也有“預測”的特征。這是一個含義比較模糊的術語。一個聚類模型被描述為“預測”一個個體屬于哪個群體，一個關聯模型可能被描述為基于已知基本屬性“預測”一個或更多屬性。

　　同樣我們也可以分析“預測”這個術語在不同的主題中的應用：一個分類模型可能被說成可以預測客戶行為—-更加確切的說它可以預測以某種確定行為的目標客戶，即使不是所有的目標個體的行為都符合“預測”的結果。一個詐騙檢測模型可能被說成可以預測個別交易是否具有高風險性，即使不是所有的預測的交易都有欺詐行為。

　　“預測”這個術語廣泛的使用導致了所謂的“預測分析”被作為數據挖掘的總稱，并且在業務解決方案中得到了廣泛的應用。但是我們應該意識到這不是日常所說的“預測”，我們不能期望預測一個特殊個體的行為或者一個特別的欺詐調查結果。
本文來源：http://www.chinapex.com.cn/about/ 
          http://www.chinapex.com.cn/contact/
          http://www.chinapex.com.cn/news/company-news