數據挖掘（一）：引論

數據挖掘又稱從數據中挖掘知識、知識提取、數據/模式分析、數據考古和數據捕撈

1. 爲何進行數據挖掘？

日益增加的數據同其中能獲得的知識量的矛盾。數據愈來愈多，就迫切須要從數據中提取信息的工具。簡單講就是從數據中挖掘知識。

2. 什麼是數據挖掘？

數據挖掘就是從數據中發現知識的過程。
知識發現過程由如下步驟的迭代序列組成：

• 1.數據清理（消除噪聲和刪除不一致數據）
• 2.數據集成（多種數據源能夠組合在一塊兒）
• 3.數據選擇（從數據庫中提取和分析任務相關的數據）
• 4.數據變換（經過彙總或彙集操做，把數據變換和統一成適合挖掘的形式）
• 5.數據挖掘（基本步驟，使用智能化方法提取數據模式）
• 6.模式評估（根據某種興趣度度量，識別表明知識的真正有趣的模式）
• 7.知識表示（使用可視化和知識表示技術，向用戶提供數據挖掘的知識）

廣義的數據挖掘的觀點：
數據挖掘是從大量數據中挖掘有趣模式和知識的過程。

3. 能夠挖掘什麼類型的模式？

數據挖掘任務能夠分爲兩類：
1.描述性：描述性挖掘任務刻畫目標數據中數據的通常性質
2.預測性：預測性挖掘任務在當前數據上進行概括，以便作出預測

4. 使用什麼技術？

5. 數據挖掘的主要問題

• 挖掘方法
• 用戶交互
• 有效性與伸縮性
• 數據類型的多樣性
• 數據挖掘與社會