《数据挖掘导论》 第一章 绪论

第一章 绪论

什么是数据挖掘？

• 过程：输入数据->数据预处理->数据挖掘->后处理->输出信息

• 数据预处理：

  • 特征选择
  • 维归约
  • 规范化
  • 选择数据子集

• 后处理：

  • 模式过滤
  • 可视化
  • 模式表示

数据挖掘的起源

• 汇集其他学科的知识：
  • 来自统计学的抽样、估计和假设检验
  • 人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论
• 需要其他领域的支撑：
  • 数据库技术
  • 并行计算
  • 分布式计算

数据挖掘任务

两大类任务

• 预测任务：
  • 自变量 & 因变量
• 描述任务
  • 导出概括数据中潜在联系的模式（相关、趋势、聚类、轨迹和异常）

四中主要数据挖掘任务

• 聚类分析

  • 旨在发现紧密相关的观测值组群
  • 使得组内的distance最小，组间的distance最大
  • 针对大型的数据，从每个类别之间对数据进行采样，期待采样的数据能代表原始数据集的特征，在采样的数据中进行挖掘。
<