Python数据挖掘——基础知识

Python数据挖掘——基础知识

  • 数据挖掘又称从数据中 挖掘知识、知识提取、数据/模式分析
  • 即为:从数据中发现知识的过程
    • 1、数据清理 (消除噪声,删除不一致数据)
    • 2、数据集成 (多种数据源 组合在一起)
    • 3、数据选择 (从数据库中提取和分析任务相关的数据)
    • 4、数据变换 (通过汇总或聚焦操作,把数据变换和统一成适合挖掘的形式)
    • 5、数据挖掘 (基本步骤,使用智能化方法提取数据)
    • 6、模式评估 (根据某种兴趣度量,识别代表知识的真正的有趣模式)
    • 7、知识表示 (使用可视化和知识表示技术,向用户提供数据挖掘的知识)
  • 广义:从大量的数据中挖掘有趣模式和知识的过程
  • 数据挖掘的模式:
    • 描述性:描述性挖掘任务刻画目标数据中数据的一般性质
    • 预测性:预测性挖掘任务在当前数据上进行归纳,以便作出预测
  • 数据挖掘功能
    • 离群点分析
    • 特征化与区分
      • 数据特征化 是目标类数据的一般性/特性的汇总
      • 数据区分是将目标数据对象的一般性 与一个/多个对比类对象的一般性进行比较
    • 频繁模式、关联和相关性
      • 频繁模式包括频繁项集、序列模式和频繁子结构
      • 频繁项集挖掘是频繁模式的基础
    • 聚类分析
      • 最大化类内相似性
      • 最小化类间相似性
    • 分类与回归
  • 数据挖掘使用的技术
    • 统计学
    • 数据库系统
    • 数据仓库
    • 信息检索
    • 机器学习
    • 模式识别
    • 可视化
    • 算法
    • 高性能计算
    • 应用
  • 数据挖掘的主要问题
    • 挖掘方法
    • 用户交互
    • 有效性与伸缩性
    • 数据类型的多样性
    • 数据挖掘与社会
发布了53 篇原创文章 · 获赞 33 · 访问量 6070
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 技术工厂 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览