《数据挖掘导论》学习笔记

写在前面：粗体字为书中定义，红色字体为笔者认为的重点词。

【第一章：绪论】

1.数据挖掘：在大型数据存储库中，自动地发现有用信息的过程。

2.数据预处理步骤：融合来自多个数据源的数据 ，清洗数据以及消除噪声和重复的观测值，选择与当前数据挖掘任务相关的记录和特征。

3.数据挖掘要解决的问题：可伸缩，高维性，异种数据和复杂数据，数据的所有权和分布，非传统的分析。

4.数据挖掘任务：预测任务，描述任务。

四种主要数据挖掘任务：

（1）预测建模，有两类：分类，用于预测离散目标；回归，用于预测连续目标

（2）关联分析

（3）聚类分析

（4）异常检测

【第二章：数据】

（一）属性与度量

1.属性：是对象的性质或特性，它因对象而异，或随时间而变化。

2.测量标度：是将数值或符号值与对象的属性相关联的规则（函数）。

3.属性的不同类型：

（1）标称，描述：标称属性的值仅仅只是不同的名字，即标称值只提供足够的信息区分对象。

（2）序数：序数属性的值提供足够的信息确定对象的序。

（3）区间：对于区间属性，值之间的差是有意义的，即存在测量单位。

（4）比率：对于比率变量，差和比率都是有意义的。

属性类型的定义是累积的。（1）（2）统称分类的或定性的属性，（3）（4）统称定量的或数值的属性。注意：定量属性可以是整数值或连续值。

4.非对称的属性：只有非零值才重要的二元属性是非对称的二元属性。这类属性对于关联分析特别重要。

（二）数据集的类型

1.数据集的一般特性：纬度，稀疏性，分辨率

2.基于图形的数据：带有对象之间联系的数据，具有图形对象的数据

3.有序数据：时序数据，序列数据，时间序列数据，空间数据