数据挖掘 概念与技术 笔记（Data Mining concepts and Techniques Third Edition Notebook）

第1章 引论

1.1 什么是数据挖掘？

数据挖掘是一个多学科领域，数据挖掘可以用多种方法定义。它也是数据中的知识发现（KDD）的同义词。而另一些人只是把数据挖掘视为只是发现过程的一个基本步骤。具体步骤：

1. 数据清洗
2. 数据集成
3. 数据选择
4. 数据变换
5. 数据挖掘
6. 模式评估
7. 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
一般来说，事务数据库的每个记录代表一个事务，如顾客的一次购物、一个航班的订票，或者一个用户的网页点击。

1.3 什么类型的模式可以挖掘？

存在大量数据挖掘功能，包括1）特征化与区分、2）频繁模式、3）关联和相关性挖掘、4）分类与回归、5）聚类分析、6）离群点分析。
数据挖掘功能用于指定数据挖掘任务发现的模式。一般而言，这些任务可以分为两类：描述性（descriptive）和预测性（predictive）。
描述性挖掘任务刻画目标数据中数据段一般性质。预测性挖掘任务再当前数据上进行归纳，以便做出预测。

1.4 使用什么技术

作为应用驱动的领域，数据挖掘吸纳了诸如统计学、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、算法、高性能计算和许多应用领域的大量技术。