《数据挖掘导论》- 读书笔记 - 总结

本文转载自:https://www.dazhuanlan.com/2019/10/20/5dac5fd8b5ded/

0.概述

数据挖掘导论涉及到的知识比较丰富,梳理下内容,为后面推荐系统设计做铺垫。

1.什么是数据挖掘

数据挖掘是在大型数据存储库中,自动发现有用信息的过程。数据挖掘技术用来探测大型数据库,发现先前未知的有用模式。
数据挖掘还可以预测未来观测结果,例如预测一位新的顾客是否会在一家百货公司消费100美元以上。

数据挖掘是数据库中知识发现(KDD)不可缺少的一部分,而KDD是将未加工的数据转换为有用信息的整个过程。

2.数据挖掘要解决的问题

数据可伸缩,数据的高维性,异种数据和复杂数据,数据的所有权与分布,非传统的分析。

3.数据挖掘和其他领域之间的联系

4.数据挖掘任务

1.预测任务。目标是根据其他属性的值,预测特定属性的值。被预测的属性一般称目标变量,而用来做预测的属性称说明变量。

2.描述任务。目标是导出概况数据中潜在联系的模式(相关、趋势、聚类、轨迹和异常)。

预测建模(predictive modeling):涉及以说明变量函数的方式为目标变量建立模型。有两类预测建模任务:分类(classification),用于预测离散的目标变量;回归(regression),用于预测连续的目标变量。

关联分析(association analysis):用来发现描述数据中强关联特征的模式。

聚类分析(cluster analysis):旨在发现紧密相关的观测值组群。

异常检测(anomaly detection):识别其特征显著不同于其他数据的观测值。这样的观测值称为异常点(anomaly)或离群点(outlier)。异常检测算法的目标是发现真正的异常点,而避免错误地将正常的对象标注为异常点。

5.分类

分类法包括:决策树归纳,基于规则分类,最近邻分类,神经网络,支持向量机,朴素贝叶斯分类。

6.关联分析

apriori算法,FP增长算法

7.聚类分析

聚类类型:层次的与划分的,互斥的、重叠的与模糊的,完全的与部分的。

簇类型:明显分离的,基于原型的,基于图的,基于密度的,共同性质的(概念簇)

基于原型的算法:K均值,自组织映射(SOM),期望最大化(EM),

基于密度的算法:DBSCAN,CLIQUE,DENCLUE

基于图的算法:MST(最小生成树)算法,Opossum算法,Chameleon算法,Jarvis-Patrick算法

凝聚的层次聚类:分两种产生层次聚类的方法——凝聚的,分裂的。

可伸缩的聚类:BIRCH,CURE

8.异常检测

异常检测方法:基于模型的技术,基于临近度的技术,基于密度的技术,基于聚类的技术

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据挖掘导论》是由段磊编写的一本关于数据挖掘的入门教材。本书系统地介绍了数据挖掘的基本概念、方法和应用领域。在300字中,我们可以简要回答以下几个问题: 该书的内容主要包括哪些方面? 《数据挖掘导论》主要内容包括数据挖掘的基本概念、数据预处理、数据挖掘分类与预测、关联分析、聚类分析、异常检测等几个方面。它从理论和实践相结合的角度,系统地介绍了数据挖掘的核心内容。 该书适合哪些读者阅读? 本书适合对数据挖掘感兴趣的各类读者,尤其是新手。无论是学生、研究者还是从业者,都可以通过阅读本书掌握数据挖掘的基本理论和方法。 该书的特点有哪些? 《数据挖掘导论》具有以下几个特点:首先,该书详细地介绍了数据挖掘的基本理论和常用的方法,通过实例和案例分析,将理论与实践相结合,有助于读者更好地理解数据挖掘的核心概念和技术。其次,该书以通俗易懂的语言编写,注重启发读者的思维,通过问题引导和讨论,激活读者的学习兴趣。再次,该书还提供了丰富的学习资源,包括习题、编程实践和相关参考文献,方便读者巩固所学知识。 总结: 《数据挖掘导论》是一本介绍数据挖掘基本理论和方法的教材,适合数据挖掘领域的初学者阅读。它通过通俗易懂的语言、实例和案例分析,帮助读者掌握数据挖掘的核心概念和技术。该书还提供了丰富的学习资源,方便读者巩固所学知识。无论是学生、研究者还是从业者都可以通过阅读本书系统地学习数据挖掘的基础知识。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值