数据挖掘导论-概述

1、数据挖掘概念

数据挖掘是在大型数据存储库中，自动的发现有用信息的过程。数据挖掘是数据库中知识发现（knowledge discovery database KDD）不可缺少的 部分，而KDD是将未加工过的数据转换为有用信息的过程，包括数据预处理、数据挖掘和后处理等过程。

数据预处理：目的是将未加工的输入数据转化成适合分析的形式，包括融合多个数据源的数据，清洗数据以消除噪声或者重复的观测值，选择与当前数据挖掘人物相关的记录和特征。

2.数据挖掘任务分类

（1）预测建模（predictive modeling）包括分类（classification，用于预测离散的目标变量）和回归（regression），用于预测连续的目标变量。

（2）关联分析（association analysis），用来发现描述数据中强关联特征的模式，所发现的模式通常用蕴含规则或者特征子集的形式表示。

（3）聚类分析（cluster analysis） ，目标是发现紧密相关的观测值组群，使与属于不同簇的观测值相比，属于同一簇的观测值相互之间近可能类似。

（4）异常检测（anomaly detection），识别特征显著不同域其它数据的观测值。这样的观测值称为异常点或者离群点。