- 数据挖掘的应用:
- 商务:借助pos数据收集技术获取用户的最新数据,利用关联分析可对用户分析、定向营销、欺诈检测和商店分布等。
- 医学、科学、工程
- 输入数据->数据预处理(维归约、特征选择、规范化、选择数据子集)->数据挖掘->后处理(模式过滤、可视化、模式表示)->信息
- 数据挖掘要解决的问题
- 可伸缩性
- 高维性
- 异种数据和复杂数据
- 数据的所有权和分布:数据可能分布在不同的位置,分布式数据挖掘算法要降低通信量、统一结果和安全性的问题
- 非传统分析
- 数据挖掘任务
- 预测任务:分类(离散)、回归(连续)
- 描述任务:概括数据中潜在联系的模式,相关、趋势、聚类、轨迹、异常
- 主要有四大类:预测建模、关联分析、聚类分析、异常检测
- *机器学习单词https://www.cnblogs.com/gbin1/p/7735075.html