数据挖掘入门小知识

ゝ一纸荒年。 2021-06-11 15:11 572阅读 0赞

## 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][1240]

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][1240 1]

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][1240 2]

--------------------

![神经网络分类][1240 3]

--------------------

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][1240 4]

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

[1240]: /images/20210529/3f91fb0cb43e484a8cf1abbc4f9ae17d.png
[1240 1]: /images/20210529/2c57792c4c9049af95459efc10ca37fa.png
[1240 2]: /images/20210529/719032ccd2e244b789a9dd3b14f3419d.png
[1240 3]: /images/20210529/60f0a8335f72402aabee28c757190bff.png
[1240 4]: /images/20210529/f9f3dff8c7e74b8eba591924337dbd58.png