1.1為什麼進行資料探勘？
資訊時代的來臨不貼切，我們的時代其實是資料時代，還沒有真正步入資訊時代，現在資料**增長，需要將資料轉化為知識。
1.2什麼是資料探勘？
即kdd，資料中的資料發現
知識發現的迭代步驟為：1）資料清理2）資料整合3）資料選擇4）資料變換5）資料探勘6）模式評估7）知識表示
廣義的資料探勘可表述為：從大量資料中挖掘有趣模式和知識的過程。
1.3可以挖掘什麼型別的資料？
1）資料庫資料
一些概念如：
資料庫系統（有一組內部相關的資料和一組管理和訪問資料的軟體程式組成）
關聯式資料庫（表的匯集，實體-聯絡資料模型，將資料庫表示成一組實體和他們之間的聯絡）
資料庫查詢（連線、選擇、投影、優化，提取資料的乙個指定的問題）
2）資料倉儲
乙個從多個資料來源收集的資訊儲存庫，存放在一直的模式下，並且通常駐留在單個結點上，通常是彙總的
一些概念：
資料立方體（多維資料結構建模，每個維對於乙個或一組屬性，每個單元存放某種度量）
olap操作（聯機分析處理，包括下鑽，上捲，資料立方體的每乙個單元都可下鑽為另乙個資料立方體，上捲也可）
3）事務資料
4）其他
1.4可以挖掘什麼型別的模式
一般可分為描述性、**性
1）類/概念描述：特徵化與區分
面向屬性的歸納技術，用來進行泛化和特徵化
資料特徵化的輸出形式：餅圖、條圖、曲線、多維資料立方體、多維表
資料區分：使用者指定目標類和對比類
2）挖掘頻繁模式、關聯和相關性
頻繁模式分為頻繁項集、頻繁子串行、頻繁子結構等
關聯分析：置信度、支援度
單維關聯規則、多維關聯規則
3）用於**分析的分類與回歸
分類：找出描述和區分資料類或概念的模型，以便能夠使用模型**類標號未知的物件的類標號。匯出模型為對資料集的分析。
如何提供到處的模型：決策樹、神經網路
4）聚類分析
最大化類內相似性、最小化類間相似性
5）離群點分析
大部分被視為雜訊或異常而丟棄
某些情況，罕見的事件可能比正常出現的事件更令人感興趣。（離群點分析、異常挖掘）
6）所有模式都是有趣的嗎？
什麼模式是有趣的：易於被人理解、對新的或檢驗資料是有效的、潛在有用的、新穎的
有趣的度量：支援度、置信度、（準確率、覆蓋率）
主觀興趣度度量：基於使用者對資料的信念
dm能產生所有有趣的模式嗎：涉及資料探勘演算法的完全性
dm僅產生有趣的模式嗎：優化問題
1.5使用什麼技術
統計學、機器學習、模式識別、資料庫和資料倉儲、資訊檢索、視覺化、演算法、高效能計算和其它
對於分類和聚類任務，機器學習通常關注模型的準確率，資料探勘非常強調挖掘方法在大型資料集上的有效性和可伸縮性，以及處理複雜資料型別的方法。
1.6面向什麼型別的應用
1）商務智慧型
2）web搜尋引擎
1.7資料探勘的主要問題
挖掘方法、使用者互動、有效性與可伸縮性、資料型別的多樣性、資料探勘與社會
《資料探勘導論》學習筆記
寫在前面 粗體字為書中定義，紅色字型為筆者認為的重點詞。第一章 緒論 1.資料探勘 在大型資料儲存庫中，自動地發現有用資訊的過程。3.資料探勘要解決的問題 可伸縮，高維性，異種資料和複雜資料，資料的所有權和分布，非傳統的分析。4.資料探勘任務 任務，描述任務。四種主要資料探勘任務 1 建模，有兩類 ...
《資料探勘導論》筆記 （一）
資料探勘是再大型資料儲存庫中，自動地發現有用資訊的過程。發現先前未知的有用模式，還可以 未來觀測結果 並非所有的資訊發現都視為資料探勘，例使用資料庫查詢個別的記錄或通過網際網路查詢特定的web頁面，則是資訊檢索。儘管如此，人們也在利用資料探勘技術增強資訊檢索系統的能力。資料探勘是資料庫中知識發現 k...
資料探勘導論
20世紀60年代，從檔案處理演化到資料庫系統 20世紀70年代，演化到關聯式資料庫，聯機事務處理 oltp 將查詢看做唯讀事務 80年代中期到現在，研究分布性 多樣性和資料共享等問題，還有基於internet的全球資訊系統 80年代後期到現在，出現的資料庫結構是資料倉儲，可將多個一種資料來源在單個站...