浅谈数据挖掘

数据模型是一个复杂查询的答案。

   数学模型可描述为以下两种：

1. 对数据进行简洁的近似汇总描述。
2. 从数据中抽取最突出的特征来代替数据并将剩余内容忽略。

• 数据汇总例子：

一种有趣的的数据汇总形式是PageRank：

在Web挖掘中，Web的整个复杂结构可由每个页面所对应的一个数字归纳而成。这种数字就是网页的PageRank值，即一个Web结构上的随机游走者在任意给定时刻处于该页面的概率。PageRank他能够很好地反应网页的重要性，即典型用户在搜索时期返回某个页面的程度。

另一种重要的数据汇总形式是聚类。在聚类中，数据被看成是多维空间下的点，空间中相互邻近的点将被赋予相同的类别。这些类别本身也被概括表示，比如通过类别质心以及类别中的点到质心的平均距离来描述。这些类别的概括信息综合在一起形成了全体数据集合的数据汇总结果。

• 特征提取例子：

典型的基于特征的模型会从数据中寻找某个现象的最极端的样例，并使用这些样例来表示数据。

特征提取类型：

频繁项集：购物篮中的番茄酱和汉堡是一个小规模项集。

相似项：寻找兴趣相似的那部分顾客并根据这些关联对数据进行表示的做法会更有用。