第一节课

时间：2019-2-25

一、DATA MINING

1.信息的处理方式——计算机的核心

2.进行数据分析与挖掘（与关系型DB联系紧密）

3.数据与知识

4.定义：数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

5.数据挖掘的常用方法：

分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等

二、引言

1.概念描述

1)  数据爆炸问题

2)  我们数据丰富，但信息贫乏!（We are drowning in data, but starving for knowledge.）

 3)  解决方法：数据仓库与数据挖掘

联机事务处理（Online transaction processing,OLTP）——针对关系型数据库，如增删改查的操作

数据仓库和联机分析处理（OLAP）——针对数据仓库

2. .....她刚才在说什么？？..

3.什么是数据挖掘

从海量数据中抽取出有用的模式或者知识，这些模式或者知识应该是：

非常识性、隐藏的、当前未知的以及潜在有益的。

有的也称，KDD.

从数据仓库的角度来看：数据挖掘——知识发现过程的核心。

KDD的过程：——见常规的数据分析过程+数据挖掘

注意各个过程的数据可见的金字塔形。

4.数据挖掘和KDD在各个领域的典型应用和作用的方面

5.基于何种数据？

关系数据库

数据仓库

事务数据

其他类型的数据：空间数据；流数据；ect.

6.数据挖掘的功能

1）概念描述：数据特征化和数据区分

特征化：数据可分为一类（CLASS）的一般特性或特征；

2)  频繁模式（或频繁项）（如义）

3）关联与相关性 (关联性数值与相关性数值不相同)

4）用于预测分析的分类和回归

分类与回归是两种不同的预测。

分类构造模型，进行分类，用于将来的预测。分类预测类别标号；

分类的表示方式：决策树，分类规则，神经网络等。

回归预测一些未知或者丢失的数值。回归建立连续值的函数模型；

回归的表示方式：逻辑回归等。

7.聚类分析（Cluster Analysis）

聚类分析数据对象而不考虑类标号。

目标：最大化类内的相似性，最小化类间的相似性。

8.离群点分析

离群点：一个数据对象，并不遵从这类数据的通用行为。

有时离群点，和离群点分析很有用，并不总是噪音或乱数据。