【数据挖掘】数据挖掘简介及十大经典算法

数据挖掘十大经典算法系列，点击链接直接跳转：

• 数据挖掘简介及十大经典算法（大纲索引）
• 1. 数据挖掘十大经典算法之——C4.5 算法
• 2. 数据挖掘十大经典算法之——K-Means 算法
• 3. 数据挖掘十大经典算法之——SVM 算法
• 4. 数据挖掘十大经典算法之——Apriori 算法
• 5. 数据挖掘十大经典算法之——EM 算法
• 6. 数据挖掘十大经典算法之——PageRank 算法
• 7 数据挖掘十大经典算法之——AdaBoost 算法
• 8. 数据挖掘十大经典算法之——KNN 算法
• 9. 数据挖掘十大经典算法之——Naive Bayes 算法
• 10. 数据挖掘十大经典算法之——CART 算法

一 概念介绍

定义： 数据挖掘（Data mining）又译为资料探勘、数据采矿。它是数据库知识发现（Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。是计算机科学的一种。 数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

应用： 近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。

数据挖掘利用了来自如下一些领域的思想：
（1）统计学的抽样、估计和假设检验；
（2）人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论；
（3）最优化、进化计算、信息论、信号处理、可视化和信息检索；
（4）数据库系统提供有效的存储、索引和查询处理支持；
（5）高性能（并行）计算技术处理海量数据集；
（6）分布式技术处理非集中分布海量数据。

图1 数据挖掘的系统模型

二 方法简介

1. 分类 （Classification）

首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。
应用：
a. 信用卡申请者，分类为低、中、高风险
b. 故障诊断：中国宝钢集团与上海天律信息技术有限公司合作，采用数据挖掘技术对钢材生产的全