数据挖掘概论

复习笔记

• 数据挖掘定义
  
  • 从大量的数据中挖掘那些令人感兴趣的、有用的、隐含的、先前未知的和可能有用的模式或知识
  • Data mining consists of applying data analysis and discovery algorithms that, under acceptable computational efficiency limitations, produce a particular enumeration of patterns over the data [Fayyad et al.,1996].
• 知识发现过程（KDD：Knowledge Discovery in Database）
  
  • 数据清理：消除噪声和删除不一致数据
  • 数据集成：多种数据源可以组合在一起
  • 数据选择：从数据库中提取与分析任务相关的数据
  • 数据变换：把数据变换和统一成适合挖掘的形式
  • 数据挖掘：核心步骤，使用智能方法提取数据模式
  • 模式评估：根据兴趣度度量，识别代表知识的真正有趣的模式
  • 知识表示：使用可视化和知识表示技术，向用户提供挖掘的知识
• 数据挖掘主要任务
  
  • 关联规则挖掘（关联分析）
  • 聚类分析
    
    • 将类似的数据归类到一起，形成一个新的类别进行分析
    • 最大化类内的相似性和最小化类间的相似性
  • 分类/预测
    
    • 找出描述和区分数据类/概念的模型，用以预测未知的对象类标签
    • 决策树、人工神经网络等
  • 孤立点（离群点）分析