数据挖掘笔记（一）

主要是整理自己在数据挖掘课程上所做的一些笔记。
更多内容可以访问我的个人博客。

1. 数据挖掘介绍

2. 数据探索

---

数据挖掘介绍（intro）

---

• 历史

从数据中人工提取模式： Bayes理论（1700s） 回归分析（1800s）

• 为什么进行数据挖掘

（1）已获得的大量数据往往是数据丰富但信息贫乏的
（2）计算设备变得廉价且功能强大
（3）没有强大的工具的话，数据量已经超过人类的理解能力
（4）数据收集存储的速度越来越快
（5）传统技术已经不适用于原始数据
（6）数据挖掘有助于科学研究

• 什么是数据挖掘

（1）定义：对大量数据进行自动或半自动的探索和分析，以发现有意义的模式。
（2）数据挖掘是知识发现的一个步骤

• 什么样的数据可以被挖掘

（1）关系型数据库数据
（2）数据仓库
（3）事务（transaction）数据 每一个记录（事务transaction）包含一组项集（items）
（4）时间-空间数据
（5）图以及网状数据（超链接图、社会和信息网络）
（6）超文本和多媒体数据（文本、图像、视频和音频数据）
（7）时间相关序列数据
（8）数据流（监控、传感器）

• 可以挖掘出什么样的模式

（1）类别/概念描述：特征和区分
（2）挖掘频繁模式（频繁模式通常是指经常出现在事务性数据集中的一组项，挖掘频繁模式可以发现数据中有趣的关联和相关性）、关联关系
（3）使用分类和回归（找到一个描述和区分数据类或概念的模型）进行预测分析
（4）聚类分析
（5）异常分析（离群点分析）

• 挖掘结果的意义

（1）可能会找到许多无意义的模式
（2）什么叫有意义的模式？：有效性、新的（对系统来说是未知的）、有用的（可以对项集采取动作的）