摘要：分类是一种重要的数据分析形式，提取刻画重要数据类的模型。 分类器：用预测类标号 数据分类：学习阶段（构建分类模型）与分类阶段（使用模型预测给定数据的类标号） 训练集：由数据库元组和与它们相关联的类标号组成。元组X用n维属性向量X=（x1,x2,...,xn)表示。分别描述元组在n个数据库属性A1，A 阅读全文

摘要：***关联推荐！ 频繁模式：频繁地出现在数据集中的模式，给出数据集中反复出现的联系。 频繁序列模式：如 有序购买一系列产品 频繁结构模式：如 组合购买产品 sample 购物篮分析：通过发现顾客放入他们购物篮中的商品之间的关联，分析顾客的购物习惯，这种关联度发现可以帮助零售商在哪些商品频繁被顾客同时 阅读全文

摘要：今世界数据库容易受到噪声、缺失值、不一致数据困扰，低质量数据会导致低质量的挖掘结果。 数据集成 将数据由多个数据源合并成一个一致的数据存储 数据规约可以通过将聚集删除荣誉特征或者聚类来降低数据大规模。 数据质量：数据的准确性、完整性、一致性、时效性、可信性、可解释性 不完整的：缺少属性值或者某些感兴 阅读全文

摘要：数据特性： 均值 中位数 众数 中心趋势度量 这些基本统计量有助于 数据预处理时 填补空缺值、光滑噪声、识别离群点。 考察数据对象的"相似性/相异性" 可以用于检测最近邻分类 数据对象：一个实体（样本 实例 数据点） 属性：一个数据字段 特征 变量 维度 单变量 双变量 标称属性：与名称相关，是一些 阅读全文

摘要：数据挖掘：把大型的数据集转换成知识。 流感趋势：搜索项作为流感活动的指示器。（如Google） 数据挖掘与知识发现：分类、聚类、离群点分析、关联与相关性、比较汇总、判别分析、模式发现、趋势与偏差分析等。 数据挖掘顺序： （1）数据清理 消除噪声、删除不一致的数据 （2）数据集成 多种数据源可以组合在 阅读全文