数据挖掘引论篇学习笔记为什么进行数据挖掘可以挖掘什么样的数据可以挖掘什么类型的模式使用的技术面向什么类型的应用数据挖掘面临的问题

先从概念上了解数据挖掘

为什么进行数据挖掘

我们生活在大量数据日积月累的年代。分析这些数据是一种重要需求。 数据挖掘能把大型数据转化成知识 数据挖掘是信息数据的进化

可以挖掘什么样的数据

数据库数据

关系数据库是表的汇集，表中通常有大量关系数据

数据仓库数据

数据仓库是从一个或者多个数据源收集的信息存储库，存放在一致的模式下，并且通常驻留在单个站点

事务数据

事务数据库的一个记录代表一个事务，比如顾客的一次购物

其他类型数据

比如多媒体数据等等...

可以挖掘什么类型的模式

特征化与区分

数据特征化

目标类数据的一般或者全部汇总，特征化的输出一般使用饼图、条形图、曲线图等等，比如汇总一年花费5000元以上的用户

数据区分

将数据对象的一般特征进行比较

挖掘频繁模式、关联和相关性

用于预测分析的分类与回归

分类：找出描述和区分数据类或者概念的模型，比如决策树 相关分析：试图识别与分类与回归过程显著相关的属性 回归：一种常用的数值预测的统计学方法

聚类分析

分析数据对象，不考虑类标号

离群点分析

对和一般数据特征明显不同的数据进行分析

使用的技术

统计学：研究数据的收集、分析、解释和表示 机器学习：分为监督学习、无监督学习和半监督学习三种 数据库系统与数据仓库 信息检索

面向什么类型的应用

哪里有数据，哪里就有数据挖掘

电子商务 web搜索引擎 等等..

数据挖掘面临的问题

1、挖掘方法 2、用户交互 3、有效性与可伸缩性 4、数据类型的多样性 5、数据挖掘与社会