记-数据挖掘-数据挖掘概述认识

数据挖掘概述

数据挖掘概念

随着爆炸性的数据增长，我们拥有丰富大量的数据，但却不足以提供有用的信息。我们亟需一些工具帮助我们从海量数据中提取有用的信息。

数据挖掘就是从数据中发现有用信息，从而帮助我们决策的数据工具。

以上关键词：数据、有价值的信息、帮助决策

1. 数据：往往是大量的、不完全的、有噪声的、模糊的、随机的等等
2. 价值信息：隐藏在数据中，人们事先不知道，但又有潜在价值的信息和知识
3. 帮助决策：从技术角度帮助人们决策，需要用到统计学、机器学习、人工智能等科学的技术和知识。

数据挖掘目标

预测数据	描述数据
监督学习	非监督学习
从标记的训练数据发现规律来推断预测	依据未标签化的训练样本进行模式识别
回归、分类	聚类、关联规则

详细划分

回归	分类	聚类	关联规则
样本映射到一个真实预测值	样本划分到几个预定义类的一个	样本划分为无预定义类的不同类	发现数据集中不同特征的相关性
算法应用	算法应用	算法应用	算法应用
Lasso回归	K-近邻	K-mean聚类	Apriori算法
弹性网络	逻辑回归	分层聚类	...
支持向量回归	决策树	...	...

数据挖掘及其他名词

数据分析

数据分析是一个比较大的概念，应该包括：数据统计、OLAP、数据挖掘等等

人工智能

人工智能应该目前所有名词的汇总。强调用计算机来实现人类智能。应该包括：数据挖掘、机器学习、深度学习等等。

机器学习

机器学习显然属于人工智能的一个分支，但却是人工智能的核心，也是数据挖掘实际应用的理论基础。

深度学习

深度学习作为机器学习的一部分，强调人工神经网络的算法。

参考图片

图片 1.png

小结

我们已经了解到数据挖掘及其相关知识，未来将围绕数据挖掘逐步介绍其算法应用，并且结合数据分析方法和可视化给予更生动的认识。