数据挖掘的基本任务:分类,回归,聚类,总结概括,关联建模,变化和偏差检查。
数据挖掘重点起源于:统计学和机器学习。
系统识别:结构识别和参数识别
数据挖掘过程:
1.陈述问题,阐明假设
2.收集数据
3.预处理数据:异常数据处理,比例缩放,编码和特征选择
4.模型评估
5.解释模型,得出结论
数据仓库最重要的是两个方面:
第一:对数据仓库中存储的数据的特定类型分类。第二:对数据进行什么转换,才能使数据变成有利于决策的最终形式,
依赖时间的数据源可以如下分类:
(1)过去的细节数据
(2)当前的细节数据(新)
(3)轻度综合数据
(4)高度综合数据
(5)元数据(数据目录或向导)
为准备这些基本数据,就有一些数据转换方法,数据转换形式主要有四种:
(1)简单转换----其他复杂转换的基石,一次只操作一个字段中的数据,而不考虑相关字段的值,例如改变字段的数据类型,或把字段编码值换成解码值。
(2)清洁和净化:确保一个字段或一组相关字段采用一致的格式和用法(可用于检查某个字段的有效性,或是否在取值范围内)
(3)集成&#