数据挖掘——第一章 引论

《数据挖掘》—— 第1章 引论

第1章 引论

1.1 为什么进行数据挖掘

1.2 什么是数据挖掘

数据挖掘是从大量数据中挖掘有趣模式和知识的过程。数据源包括数据库、数据仓库、Web、其他信息存储库或动态地流入系统的数据。

1.3 可以挖掘什么类型的数据

• 数据库数据

• 数据仓库

• 事务数据

• 其他类型

  

1.4 可以挖掘什么类型的模式

数据挖掘功能用于指定数据挖掘任务发现的模式。一般而言，这些任务可以分为两类：描述性 (descriptive)和预测性 (predictive)。描述性挖掘任务刻画目标数据中数据的一般性质。预测性挖掘任务在当前数据上进行归纳，以便做出预测。

类/概念描述：特征化与区分

类或概念描述的获得方法：

• 数据特征化，一般地汇总所研究类（目标类）的数据；
• 数据区分，将目标类与一个或多个可比较类（对比类）进行比较；
• 数据特征化和区分。

挖掘频繁模式、关联和相关性

• 频繁模式：频繁项集（例如，商品的集合）、频繁子序列（序列模式。例如，先购买电脑，再购买相机，最后买内存卡）、频繁子结构（图、树或格）；

用于预测分析的分类与回归

• 分类：找出描述和区分数据类或概念的模型（函数），以便能够使用模型预测类标号未知的对象的类标号。（离散的、无序的）
• 回归：建立连续值函数模型。用来预测缺失的或难以获得的数值数据值，而不是离散的类标号。

聚类分析

• 聚类分析数据对象，而不考虑类标号。

离群点分析

• 大部分数据挖掘方法将离群点（outlier）视为噪声或异常而丢弃。然而，在一些应用中（欺诈检测），罕见事件更令人感兴趣。

1.5 使用什么技术