数据挖掘 概念与技术 笔记（Data Mining concepts and Techniques Third Edition Notebook）
发布时间
阅读量：
阅读量
第1章 引论
1.1 什么是数据挖掘？
数据挖掘是一个跨学科分支，在数据分析领域具有广泛的应用性。其本质上等同于知识发现（KDD），这一术语在学术界已得到普遍认可。然而，在某些观点中，数据挖掘更多地被视作数据分析流程中的一个基础环节。
具体步骤：
-
数据预处理
-
数据可视化
-
数据分析
-
模型构建与评估
-
结果解释与应用
-
数据清洗
-
数据集成
-
数据选择
-
数据变换
-
数据挖掘
-
模式评估
-
知识表示
1.2 什么类型数据可以挖掘？
数据挖掘可以用于任何类型的数据，只要数据对目标应用是有意义的。在应用中，数据最基本形式就是**（1）数据库数据（2）数据仓库数据（3）事务数据**。本书提供的概念和技术集中考虑这类数据。当然数据挖掘也可以用于其他类型数据（例如：数据流、有序/序列数据、图和网络数据、空间数据、文本数据、多媒体数据和万维网）
1）数据库数据
数据库系统，也称之为数据库管理系统（DBMS），由一组内部相关的数据（称之为数据库）和一组管理和存取数据的软件程序组成。当数据挖掘用于关系数据库时，可以进一步搜索趋势和数据模式。关系数据库时数据挖掘最常见、最丰富的信息源，因此数据库数据是数据挖掘研究的一种主要数据形式。
2）数据仓库
数据仓库是一个从多个数据源收集的信息存储库，存放在一致模式下，并且通常驻留在单个站点上。数据仓库通过数据清理、数据变换、数据集成、数据装入和定期数据刷新来构造。
数据仓库也称之为数据立方体（data cube）的多位数据结构建模。多位数据挖掘（又称探索式多位数据挖掘）以OLAP风格在多位空间进行数据挖掘。
OLAP是联机分析处理，是一种分析技术。
3）事务数据
1.3 什么类型的模式可以挖掘？
该系统具备丰富的数据挖掘功能包
括但不限于：
1）特征化与区分
2）频繁模式
3）关联与相关性挖掘
4）分类与回归
5）聚类分析
6）离群点分析
1.4 使用什么技术
作为应用驱动的重要领域，在整合大数据分析与人工智能技术的基础上
全部评论 (0)
还没有任何评论哟~