1. 数据挖掘主要任务:分类、聚类、预测和关联。
a. 分类是依据历史数据形成刻画用户特征的类标识,进而预测未来数据的归类情况。
b. 聚类是种无监督学习,在事先不知道数据分类的情况下,根据数据之间的相似程度进行划分,目的是使得同类别的数据对象之间的差别尽可能的小,不同类别的数据对象之间的差别尽可能的大。
c. 预测是基于输入的用户信息,通过模型的训练学习,找出数据中的规律和趋势,以确定未来目标数据的预测值。
d. 从购物篮商品集中找出商品与商品之间的关系,有助于发现不同商品之间的联系。
2. 数据挖掘过程模型:SEMMA, 5A, CRISP-DM
a. SEMMA 过程是:Sample, Explor, Modify, Model, Assess 的首字母缩写。步骤为:数据抽样 -> 数据探索 -> 数据调整 -> 模型研发 -> 综合评价
b. 5A 过程是:Assess, Access, Analyze, Act, Automate 的首字母缩写。步骤为:评价需求 -> 存取数据 -> 完备分析 -> 模型演示 -> 结果展现
c. CRISP-DM 过程是:商业理解 -> 数据理解 -> 数据准备 -> 模型建立 -> 模型评估 -> 模型发布
另一种过程模型是:数据清理 -> 数据集成 -> 数据选择 -> 数据变换 -> 数据挖掘 -> 模型评估 -> 知识表示。
3. 数据挖掘算法