一.概念：
資料探勘：運用基於計算機的方法，從資料中獲得有用之時的整個過程。
兩個基本目標：**和描述。
資料探勘的基本任務：（1）分類 （2）回歸 （3）聚類 （4）總結概括 （5）關聯建模 （6）變化和偏差檢測
資料探勘的過程： 陳述問題，闡明假設->收集資料->預處理資料->模型評估(挖掘資料)->解釋模型，得出結論
資料倉儲的開發過程概括為3個階段：建模、構建和部署
完成資料探勘所耗費的精力：資料準備》商業目標》資料探勘》鞏固結果
二：資料準備
2.1 原始資料的表示
資料樣本是資料探勘的基本組成部分。每個樣本都用幾個特徵來描述，每個特徵都用不同型別的值。兩種常見的型別數值型和分型別。
數值型值包括實型變數和整型變數，如年齡、速度或長度。數值型特徵有兩個重要的屬性：其值有順序關係和距離關係。
分型別（長叫做符號型）變數沒有上述兩種關係，分型別變數的兩個值可以相等或不等。它們只建立一種等同關係，例如:眼睛顏色、性別、國籍。
具有n個值的分型別變數可以轉換成n個二進位制數值型變數，即乙個二進位制數值對應分型別變數的乙個值。
另一種基於變數值的變數分類方法是，根據它是連續性變數還是離散型變數來分類。連續型變數也稱為定量型或度量型變數。在大型資料集
中，連續型變數用實型或整型值來表示。離散型變數也叫定性型變數。一種特殊的離散型變數是週期變數。
最後，另一種資料分類維度是基於資料與時間有關的行為特徵。大多數資料探勘方法更適合靜態資料，挖掘動態資料時，常常需要特殊的考慮
和預處理。
產生大多數資料探勘問題的原因是，大量的樣本具有不同型別的特徵。此外，這些樣本往往是高維度的，這就意味著它們有極多的可測量特徵
。在高維度空間中密度和兩點間距離的傳統含義改變了，因此需要重新考慮、評估傳統概念。
2.2 原始資料的特徵
雜亂的資料**和含義；根據已有的資料甚至丟失的資料來建模。失真資料、方法上錯誤的步驟選擇、濫用資料探勘工具、模型過於理想化、
未考慮資料中各種不確定性和模糊性的模型-----所有的這些都可能導致資料探勘方向性錯誤。
資料探勘中乙個最關鍵的步驟是初始資料集的準備和轉換。
資料準備階段有兩個中心任務：
（1）把資料組織成一種標準形式，以便於資料探勘工具和其他基於計算機的工具處理（標準形式是乙個關係表）。
（2）準備資料集，使其能得到最佳的資料探勘效果。
2.3 原始資料轉換
標準化、資料平整、差值和比率
2.4 對丟失資料的處理
對帶有和不帶有丟失值的特徵生成多種資料探勘解決方案，然後對他們進行分析和解釋。
2.5 時間相關資料
2.6 異常點分析
異常點定義：在大型資料集中通常有一些不符合資料模型的一般規則，這些樣本和資料集中的其他資料有很大的不同或不一致，叫做異常點。
異常點的檢測方案的主要型別有：
圖形或視覺化技術、基於統計的技術、基於距離的技術、基於模型的技術 （這幾種方法的具體介紹略）
1 資料探勘概念筆記 引論
1.資料探勘概念筆記 引論 感覺不錯，讀之並記之。章節也是按照書中章節來，此處只是筆記，記錄一些重要的概念和核心的思想。為什麼要進行資料探勘？答 需要是發明之母 柏拉圖 資訊時代每天產生的資料海量，不得不需要從中進行挖掘。資料探勘有什麼用？答 可以將大型資料集轉化成知識。此外，資料探勘是資訊科技的進...
資料探勘1基礎概念
機器學習 假設用p來估計計算機程在某個任務t上的效能，若乙個程式通過利用經驗e在t中獲得了效能改善，我們說關於t和p，該程式對e進行了學習。適用機器學習的地方 1 表現或目標能夠增進 2 不知道把規則寫下 3 一切學習從資料開始 人工智慧的核心主要使用歸納 綜合而不是演繹。機器學習的三要素 資料 模...
資料探勘筆記（1）
1 資料探勘的一種定義 是一項通過探測大量資料以發現有意義的模式和規則的業務流程。資料探勘是一種業務流程，它以其它業務流程產生的大量資料為輸入，一般經過收集，清洗，整理，識別 分析和度量等加工，得到某種有意義的模式或規則作為輸出。而這種輸出反過來可以為其它業務流程提供度量，判斷，等作用。資料探勘的基...