数据挖掘笔记(1)-概念、数据准备

一.概念：

    数据挖掘：运用基于计算机的方法，从数据中获得有用之时的整个过程。

    两个基本目标：预测和描述。

    数据挖掘的基本任务：（1）分类  （2）回归  （3）聚类 （4）总结概括 （5）关联建模 （6）变化和偏差检测

    数据挖掘的过程： 陈述问题，阐明假设->收集数据->预处理数据->模型评估(挖掘数据)->解释模型，得出结论

    数据仓库的开发过程概括为3个阶段：建模、构建和部署

    完成数据挖掘所耗费的精力：数据准备>商业目标>数据挖掘>巩固结果

 

二：数据准备

   2.1 原始数据的表示

              数据样本是数据挖掘的基本组成部分。每个样本都用几个特征来描述，每个特征都用不同类型的值。两种常见的类型数值型和分类型。

        数值型值包括实型变量和整型变量，如年龄、速度或长度。数值型特征有两个重要的属性：其值有顺序关系和距离关系。

        分类型（长叫做符号型）变量没有上述两种关系，分类型变量的两个值可以相等或不等。它们只建立一种等同关系，例如:眼睛颜色、性别、国籍。

        具有n个值的分类型变量可以转换成n个二进制数值型变量，即一个二进制数值对应分类型变量的一个值。

              另一种基于变量值的变量分类方法是，根据它是连续性变量还是离散型变量来分类。连续型变量也称为定量型或度量型变量。在大型数据集     

        中