数据挖掘入门小知识

什么是数据挖掘

数据挖掘（Data Mining）又称为：数据中的知识发现（KDD），也就是通过数据清理，数据集成，数据选择，数据变换，数据挖掘，模式评估，知识表示等一系列步骤，对数据进行分类，聚类，发现其中的关系或者离群点，来发现新的知识，新的价值。

（一）数据类型

1）数据库数据

数据库系统，又称为数据库管理系统（DBMS），一种关系型数据库。有唯一的关键字标识来表示一个对象，每个对象有若干属性，又包括若干元组。

一个二维表

2）数据仓库数据

多个数据库数据加上不同的维度，组成了数据仓库。

数据库立方体

3）数据库的事务

事务数据库中的每个记录都是一次事务，例如一次商品订单

4）其他数据

前1,2,3点都是结构化数据，还包含非结构化数据，例如音频，超文本，地图等

（二）数据挖掘的步骤

1）数据清理：消除噪声数据
2）数据集成：多种数据组合在一起
3）数据选择：选择相关数据
4）数据变换：汇总等操作将数据变换成适合挖掘的数据
5）数据挖掘：对数据进行
6）模式评估：根据某种模式来评估某种价值
7）知识表示：可视化表现

（三）数据挖掘模式

1）类和概念：特征化与区分

对数据汇总和分类，考察其具有什么样的特征

2）挖掘频繁模式：关联和相关性

1 频繁出现的序列；
2 出现次数最多的事件；
3 频繁出现的子序列；
4 事件之间的关联性；

3）预测分析的分类和回归

1 分类：决策树 、神经网络
2 回归：相关性描述和预测、描述解释变量与被解释变量之间的相关性，并构造数学模型来预测被解释变量

---

决策树分类

---

神经网络分类

---

4）聚类

根据最大化类内相似，最小化类间相似性的原则进行聚类和分组

聚类

5）离群点

异常的值，有的时候需要抛弃异常值，但有时通过异常值可以发现问题，如欺诈行为

（四）数据挖掘相关内容

1）统计学

1 数值描述（如均值、中位数、众数、方差，柱状图、散点图等），
2 回归分析（线性回归、非线性回归、一元回归、多元回归），
3 离散型和连续性数据的概率分布、描述性统计和推断性统计

2）机器学习

用数据对机器不断训练以来提高机器性能，类似条件反射

3）数据库和数据仓库

对数据的管理，其包含的海量数据可以用来做OLTP，OLAP（这两个暂时不知道）

4）信息检索