数据挖掘导论--第1章绪论

数据挖掘导论-第一章-绪论

为什么会出现数据挖掘？

1. 因为随着社会不断快速发展，信息量在不断增加，由于**信息量太大** ，而无法使用传统的数据分析工具和技术处理它们； 2. 即使数据集相对较小，但由于数据本身有一些**非传统特点**，也不能使用传统的方法进行处理。

什么是数据挖掘？

1. 数据挖掘是一种技术，它将传统的数据分析方法与处理大量数据的复杂算法相结合。
2. 数据挖掘是在大型数据存储库中，自动地发现有用信息的过程。
3. 数据挖掘是数据库中知识发现（knowledge discovery in database，KDD）不可缺少的一部分。
   

数据挖掘要解决的问题

1. 可伸缩
2. 高维性
3. 异种数据和复杂数据
4. 数据的所有权与分布
5. 非传统的分析

数据挖掘任务

通常，数据挖掘任务分为下面两大类

1. 预测任务：这些任务的目标是根据其他属性的值，预测特定属性的值。
   • 被预测的属性一般称为目标变量或因变量
   • 用来做预测的属性称说明变量或自变量
2. 描述任务：其目标是导出概括数据中潜在联系的模式（相关、趋势、聚类、轨迹和异常）。
   • 本质上，描述性数据挖掘任务通常是探查性的，并且常常需要后处理技术验证和解释结果
     
     
     
     下图展示了其余部分讲述的四种主要数据挖掘任务
     
3. 预测建模：以说明变量函数的方式为目标变量建立模型。有两类预测建模任务：
   • 分类（classification）：用于预测离散的目标变量
   • 回归（regression）：用于预测连续的目标变量
4. 关联分析：用来发现描述数据中强关联特征的模式。所发现的模式通常用蕴涵规则或特征子集的形式表示
5. 聚类分析：旨在发现紧密相关的观测值组群，使得与属于不同簇的观测值相比，属于同一簇的观测值相互之间尽可能类似
6. 异常检测：任务是识别其特征显著不同于其他数据的观测值。这样的观测值称为异常点或离群点

## 参考文献： 1. 数据挖掘导论（完整版）