第一章 绪论

1. 数据挖掘的应用：
   1. 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。
   2. 医学、科学、工程
2. 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
3. 数据挖掘要解决的问题
   1. 可伸缩性
   2. 高维性
   3. 异种数据和复杂数据
   4. 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
   5. 非传统分析
4. 数据挖掘任务
   1. 预测任务：分类（离散）、回归（连续）
   2. 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
   3. 主要有四大类：预测建模、关联分析、聚类分析、异常检测
5. *机器学习单词https://www.cnblogs.com/gbin1/p/7735075.html