数据挖掘（清华公开课）

数据挖掘常用算法

1. 分类算法
   
   • 决策树
   • ID3
   • C4.5
2. 聚类
   
   • K-mean算法
   • DBSCAN
3. 回归
   
   • 线性回归
   • 多项式回归
4. 关联规则
5. 时间序列分析
6. 文本挖掘
7. Web挖掘

数据挖掘流程

1. 数据清理（消除噪声和不一致的数据）
2. 数据集成（多中数据源可以组合在一起）
3. 数据选择(从数据库中提取与分析任务相关的数据)
4. 数据变换（数据变换或统一成适合挖掘的形式；如通过汇总或聚集操作）
5. 数据挖掘（基本步骤，使用智能方法提取数据模式）
6. 模式评估（根据某种有趣度量，识别提供知识真正有趣的模式）
7. 知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）

分类问题

数据被分成两部分，其中training set被用来生成模型，剩下的数据作为test set用来评价模型。

各种分类算法的优缺点

决策树

一种启发式算法，核心是在决策树各个节点上应用信息增益等准则来选取特征，进而递归地构造决策树。

优点：
1. 计算复杂度不高，易于理解和解释，可以理解决策树所表达的意义；
2. 数据预处理阶段比较