数据挖掘(一):引论
文章目录
数据挖掘又称从数据中挖掘知识、知识提取、数据/模式分析、数据考古和数据捕捞
1. 为什么进行数据挖掘?
日益增长的数据同其中能得到的知识量的矛盾。数据越来越多,就迫切需要从数据中提取信息的工具。简单讲就是从数据中挖掘知识。
2. 什么是数据挖掘?
数据挖掘就是从数据中发现知识的过程。
知识发现过程由以下步骤的迭代序列组成:
- 1.
数据清理(消除噪声和删除不一致数据) - 2.
数据集成(多种数据源可以组合在一起) - 3.
数据选择(从数据库中提取和分析任务相关的数据) - 4.
数据变换(通过汇总或聚集操作,把数据变换和统一成适合挖掘的形式) - 5.
数据挖掘(基本步骤,使用智能化方法提取数据模式) - 6.
模式评估(根据某种兴趣度度量,识别代表知识的真正有趣的模式) - 7.
知识表示(使用可视化和知识表示技术,向用户提供数据挖掘的知识)
广义的数据挖掘的观点:数据挖掘是从大量数据中挖掘有趣模式和知识的过程。
3. 可以挖掘什么类型的模式?
数据挖掘任务可以分为两类:
1.描述性:描述性挖掘任务刻画目标数据中数据的一般性质
2.预测性:预测性挖掘任务在当前数据上进行归纳,以便做出预测
4. 使用什么技术?
5. 数据挖掘的主要问题
- 挖掘方法
- 用户交互
- 有效性与伸缩性
- 数据类型的多样性
- 数据挖掘与社会
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论