1、什么是数据挖掘
数据挖掘时在大型数据存储库中,自动的发现有用信息的过程。数据挖掘技术用来探查大型大数据,发现先前位置的有用模式。
2、KDD -konwledge discovery in database
数据挖掘时KDD中不可或缺的一部分
3、数据挖掘任务
预测任务:这些任务的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为目标自变量或因变量,而用来做预测的属性称说明变量和自变量。
描述任务:其目标是到处概括在数据正潜在联系的模式(相关、趋势、聚类、轨迹、聚类和异常)。本质上,描述性数据挖掘任务通常是探查性的,并且常常需要后处理的技术验证和解释结果。
4、四种主要数据挖掘任务:聚类分析、预测建模、异常检测、关联分析
预测建模(predictive modeling):设计说明变量函数的方式为目标变量建立模型
1、分类:用于预测离散的目标变量
2、回归: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。所发现的模式通常用蕴含规则或特征子集的形式表示。(啤酒与尿布问题)
聚类分析(cluster analysis):旨在发现紧密相关的观测值族群,使与不同簇的观测值相比,属于同意粗的观测值相互之间尽可能相似。聚类可用来对相关顾客分组,找出显著相关影响地球气候的海洋区域以及压缩数据。
异常检测(anomaly detection):识别其特征显著不同于其他数据的观测值。这样的值称为异常点(anomaly)或离群点(outliter)。异常检测的目标是发现真正的异常点而避免错误的将正常对象标注为异常点。