数据挖掘入门材料1-数据挖掘导论.pdfVIP

数据挖掘 第一章 数据挖掘导论 数据挖掘作为一个新兴的多学科交叉应用领域，正在各行各业的决策支持活动 扮演着越来越重要的角色。本书将介绍数据挖掘（ ）与数据库知识发现 （ ）的基本知识，以及从大量有噪声、不完整、 甚至是不一致数据集合中，挖掘出有意义的模式知识所涉及的概念与技术方法。 本章将从数据管理技术演化角度，介绍数据挖掘的由来。以及数据挖掘的作用 和意义。同时还将介绍数据挖掘系统的结构、数据挖掘所获得的知识种类，以及数 据挖掘系统的分类。最后还简要介绍了当前数据挖掘领域尚存在的一些热点问题。 计算机与信息技术经历了半个世纪的发展，给人类社会带来了巨大的变化与影 响。在支配人类社会三大要素（能源、材料和信息）中，信息愈来愈显示出其重要 性和支配力，它将人类社会由工业化时代推向信息化时代。随着人类活动范围的扩 展，生活节奏的加快，以及技术的进步，人们能以更快速更容易更廉价的方式获取 和存储数据，这就使得数据及其信息量以指数方式增长。早在 世纪八十年代，据 粗略估算，全球信息量每隔 个月就增加一倍。而进入九十年代，全世界所拥有的 数据库及其所存储的数据规模增长更快。一个中等规模企业每天要产生 以 上来自各生产经营等多方面的商业数据。美国政府部门的一个典型大数据库每天要 接收约 数据量，在 秒到 分钟时间里，要维持的数据量达到 ，存档 数据达 。在科研方面，以美国宇航局的数据库为例，每天从卫星下载的 数据量就达 之多；而为了研究的需要，这些数据要保存七年之久。九十年 代互联网 （ ）的出现与发展，以及随之而来的企业内部 网 （ ）和企业 外部 网 （ ）以及虚拟私有 网 （ ： ）的产生和应用， 使整个世界互联形成一个小小的地球村 ，人们可以跨越时空地在 网上交换信息和协 同工作。这样 ，展现在人们面前的已不是局限于本部门，本单位和本行业的庞大数 据库，而是浩瀚无垠的信息海洋。据估计， 年全球数据存贮容量约为二千 ， 到 年增加到三百万 ，面对这极度膨胀的数据信息量，人们受到 “信息爆炸”、 “混沌信息空间”（ ）和 “数据过剩”（ ）的巨大压 力。 数据挖掘 第一章 数据挖掘导论 然而，人类的各项活动都是基于人类的智慧和知识，即对外部世界的观察和了 解，做 出正确的判断和决策以及采取正确的行动，而数据仅仅是人们用各种工具和 手段观察外部世界所得到的原始材料，它本身没有任何意义。从数据到知识到智慧， 需要经过分析加工处理精炼的过程。如图- 所示，数据是原材料，它只是描述发 生了什么事情，并不能构成决策或行动的可靠基础。通过对数据进行分析找 出其中 关系，赋予数据以某种意义和关联，这就形成所谓信息。信息 虽给出了数据中一些 有一定意义的东西，但它往往和人们需要完成的任务没有直接的联 系，也还不能做 为判断、决策和行动的依据。对信息进行再加工，即进行更深入的归纳分析 ，方能 获得更有用的信息，即知识。而所谓知识，可定义为 “信息块中的一组逻辑联 系， 其关系是通过上下文或过程的贴近度发现的”。从信息中理解其模式，即形成知识。 在大量知识积累基础上，总结出原