国科大刘莹老师数据挖掘整理

文章中的思维导图请到我上传的文件中下载，链接失效可以私聊我

https://download.csdn.net/download/qq_34767784/14075661

Intro

​ 本节主要是课程的介绍，主要信息包括刘莹老师的介绍，参考书籍的介绍，注意本课程将大部分纯英文授课哈，虽然有些不习惯，但是这么好的学习英语的机会，当然是求之不得。

​ 该课程评价指标主要有3个：3次作业（个人），一次课程大作业（组队），以及最终的考试（闭卷）

本课程一直按照下图所示脉络进行讲解，因为其符合数据挖掘的实际流程：

Data_Warehouse

​ 先从底层数据存储讲起，重点在于数据的存储组织形式，在概念层次是数据立方体，在逻辑层次主要有Star schema、Snowflake schema、Fact constellations三种，然后是一些对数据仓库的DMQL语言中的OLAP操作，也是比较重要的，它类似于MySQL的SQL语言。

Preprocessing

​ 获取数据，并将其存储好之后，就应该对其进行一系列预处理操作，主要有需要进行数据预处理的原因，描述性数据摘要（包括平均数、中位数、五点以及作图），数据清洗、数据转换、数据合并、数据压缩

classification

​ 预处理之后就可以通过各种算法对处理后的数据进行处理分析了

​ 分类与预测是数据挖掘最为经典的任务之一，本节主要讲了决策树算法、贝叶斯算法、BP网络以及其它分类算法；至于预测算法，主要讲了线性回归、非线性回归等

Clustering

​ 除了分类，聚类也是一种十分重要的数据挖掘算法

​ 聚类是无监督学习，它希望将数据归为几类，使得类间距离较远，类内点的距离较近；

聚类的重点在于数据的类型与对应的算法；数据可以分为Interval-valued Variables、Binary Variables、Nominal Variables、Ordinal Variables、Ratio-Scaled Variables、Variables of Mixed Types等；主要介绍的聚类算法可以分为下面几个类别：Partitioning approach、Hierarchical approach、Density-based approach、Grid-based approach、Probabilistic Model-based approach；后面还有一个异常点检测的知识点，类似于聚类算法的一个应用

Mining Association Rules in Large Databases

​ 然后在前面所学的基础上，我们终于可以挖掘数据内蕴含的内在联系了，即关联规则；

主要的方法有Aprior、Partition、DHP、DIC、FP-Growth（FP-tree），详情见课件