数据挖掘相关概念(summary)

1.数据库和数据管理产业在一些关键功能的开发上不断发展：数据收集和数据库创建、数据管理（包括数据存储和检索、数据库事务处理）和高级数据分析（包括数据仓库和数据挖掘）。

 

2.数据仓库:这是一种多个异构数据源在单个站点以统一的模式组织的存储，以支持决策管理。数据仓库技术包括数据清理、数据集成和联机分析处理(OLAP)。

3.许多人把数据挖掘视为另一个流行术语数据中的知识发现(KDD)的同义词，而另一些人只是把数据挖掘视为知识发现过程的一个基本步骤。

4.数据挖掘过程：数据清理（消除噪声和删除不一致数据）；数据集成（多种数据源可以组合在一起）；数据选择（从数据库中提取与分析任务相关的数据）；数据变换（通过汇总或聚集操作，把数据变换和统一成适合挖掘的形式）；数据挖掘（基本步骤，使用智能方法提取数据模式）；模式评估（根据某种兴趣度度量，识别代表知识的真正有趣的模式。）；知识表示(使用可视化和知识表示技术，向用户提供挖掘的知识)。

5.数据挖掘是从大量数据中挖掘有趣模式和知识的过程。

6.数据库系统，也称数据库管理系统(DBMS)，由一组内部相关的数据（称做数据库）和一组管理和存取数据的软件程序组成。软件程序提供如下机制：定义数据库结构和数据存储，说明和管理并发、共享或分布式数据访问，面对系统瘫痪或未授权的访问，确保存储的信息的一致性和安全性。

7.关系数据库是表的汇集，每个表都被赋予一个唯一的名字。每个表都包含一组属性(列或字段)，并且通常存放大量元组(记录或行)。关系表中的每个元组代表一个对象，被唯一的关键字标识，并被一组属性值描述。通常为关系数据库构建语义数据模型，如实体-联系(ER)数据模型。ER数据模型将数据库表示成一组实体和它们之间的联系。

8、数据仓库用称作数据立方体(data cube)的多维数据结构建模。其中每个维对应于模式中的一个或一组属性，而每个单元存放某种聚集度量值。数据立方体提供数据的多维视图，并允许预计算和快速访问汇总数据。

9.一个模式是有趣的，如果它：1）易于被人理解；2）在某种确信度上，对于新的或检验数据是有效的；3）是潜在有用的；4）是新颖的。

10.存在一些模式兴趣度的客观度量。这些度量基于所发现模式的结构和关于它们的统计量。对于形如X=>Y的关联规则，一种客观度量是规则的支持度.