走进数据挖掘（入门）

1、什么是数据挖掘

数据挖掘就是从大量的、有噪声的数据中提取出潜在的、有利用价值的数据。

（1）数据清理 （消除噪声、删除不一致的数据）
（2）数据集成 （多种数据源组合在一起）
（3）数据选择（从数据库中提取分析与任务相关的数据）extract
（4）数据变换（把数据统一和变换成适合挖掘的形式）
（5）数据挖掘 （使用智能方法提取数据模式）AI
（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（可视化）

2、可以挖掘什么类型的数据

2.1 数据库数据

2.2 数据仓库

面向主题的、集成的、与时间相关且不可修改的数据集合。

点此处查看：数据库和数据仓库的区别

2.3 事务数据

顾客的一次购物，一个航班订票或一个用户的网页点击，都可视为事务数据。事务数据可用来做“购物篮分析”。

2.4 其他数据

3、可以挖掘什么模式的数据

3.1 类/概念描述：特征化与区分

特征化

eg.汇总一年之内在AllElecttronics花费5000美元以上的顾客特征

区分

eg.比较两组顾客：定期购买计算机产品的顾客和不经常购买计算机产品的顾客，通过增维，来发现更多的区分特征

3.2 基于频繁模式的关联分析

eg.哪些商品经常一起被购买

3.2 分类分析

找出描述和区分数据类/概念的模型，以便能使用模型预测未知类标号的对象的类标号。

3.2 聚类分析

把类似的事件聚集在一起。

3.2 离群点分析

分析与数据一般行为或模式不一致的数据。