数据挖掘导论 （一）

第一章 绪论

什么是数据挖掘？

数据挖掘用来发现先前未知的有用模式，还可以预测未来观察结果。

数据挖掘任务

通常数据挖掘任务分为两类：

一、预测任务：根据其他属性的值，预测特定属性的值

• 预测建模：

        分类：用于预测离散的目标变量       例：预测用户是否会在网上书店买书
        回归：用于预测连续的目标变量      例： 预测股票价格

• 异常检测：用于识别特征显著不同于其他数据的观测值。 例：信用卡欺诈检测

二、描述任务：导出概括数据中潜在联系的模式

• 聚类分析：用于发现紧密相关的族群，使得族内尽可能相似，族间尽可能不同       例：文档聚类
• 关联分析：用于发现描述数据中强关联特征的模式。用蕴含规则或特征子集来表示。例：啤酒和尿布