第章数据挖掘概述精品.pptVIP

1.5数据挖掘的应用领域—生物医学 海量的生物信息学信息，如基因； 远程数据库的出现； 万维网上涌现出大量的生物学数据库 ； 美国国立生物技术信息中心网站 （NCBI） 1.6数据挖掘规范和标准 产生的模式种类的多少 解决复杂问题的能力 多种模式 多种算法 数据选择 可视化 扩展性 易操作性 数据存取能力 与其他产品的接口 1.7数据挖掘面临的挑战和局限性 处理不同种类的数据 数据挖掘算法的效率及扩展性 数据挖掘结果的可用性、确定性及可表达性 各种数据挖掘结果的表达 多抽象层交互挖掘知识 从不同的数据源中挖掘信息 隐私保护及数据安全 1.8数据挖掘的发展趋势—WEB挖掘 Web 数据的收集，结构转换等预处理技术的研究； 现有的数据挖掘方法在适应性和时效性方面的研究 基于Web 挖掘和信息检索的智能搜索引擎及相关技术的研究； Web 挖掘在特定领域如电子商务领域的应用研究； 半结构化文档挖掘。 1.8 数据挖掘发展趋势 数据源十分丰富，数据量非常庞大，数据类型多，存取方法复杂； 应用领域十分广泛，只要与空间位置相关的数据，都可对其进行挖掘； 挖掘方法和算法非常，而且大多数算法比较复杂，难度大； 知识的表达方式多样，对知识的理解和评价依赖于对人对客观世界的认知程度。 ---空间数据挖掘（SDM）的特点 1.8 数据挖掘发展趋势 数据清理 DNA 序列相似搜索和比对 基因组特征及基因序列的分析 路径分析 生物数据可视化和数据挖掘 生物文献的挖掘 基于隐私保护的数据挖掘 ---生物信息或基因的挖掘 谢谢大家 数据挖掘原理与SPSS Clementine应用宝典 元昌安 主编　 邓　松　李文敬　刘海涛　编著 电子工业出版社 数据挖掘原理与SPSS Clementine应用宝典 元昌安 主编　 邓　松　李文敬　刘海涛　编著 电子工业出版社 第1部分 数据挖掘应用基础 第1章 数据挖掘概述 第2章 数据挖掘可挖掘的知识类型 第3章 数据挖掘的体系结构与模型 第4章 数据选择 第5章 数据预处理  第2部分 数据挖掘经典算法  第6章 回归分析 第7章 贝叶斯分析 第8章 聚类分析 第9章 决策树算法 第10章 关联规则算法 第11章 粗糙集理论 第12章 神经网络 第13章 遗传算法 第14章 支持向量机 第15章 复杂对象数据挖掘  第3部分 数据挖掘建模与模型 第16章 数据挖掘建模 第17章 数据挖掘模型评价 第4部分 spss clementine数据挖掘实务 第18章 spss clementine基础 第19章 spss clementine数据管理 第20章 数据的图形化展示 第21章 spss clementine数据挖掘建模 第22章 数据挖掘结果的输出 第23章 数据挖掘项目实施 第24章 spss clementine典型案例分析  第1章 数据挖掘概述 1．1 数据挖掘的社会需求 1．2 数据挖掘的定义 1．3 数据挖掘系统分类 1．4 数据挖掘的应用领域 1．5 数据挖掘标准和规范 1．6 数据挖掘面临的挑战和局限性 1．7 数据挖掘的发展趋势 1．8 小结  1．1数据挖掘的社会需求 现实情况：人类积累的数据量以每月高于15%的速度增加，如果不借助强有力的挖掘工具，仅依靠人的能力来理解这些数据是不可能的。现在人们已经评估出世界上信息的数量每二十个月翻一番，并且数据库的数量与大小正在以更快的速度增长。 1．1数据挖掘的社会需求 著名的“啤酒尿布”案例：美国加州某个超级卖场通过数据挖掘发现，下班后前来购买婴儿尿布的男顾客大都购买啤酒。于是经理当机立断，重新布置货架，把啤酒类商品布置在婴儿尿布货架附近，并在二者之间放置佐酒食品，同时还把男士日常用品就近布置。这样，上述几种商品的销量大增。 1.2 数据挖掘的定义—技术定义 数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 1.2 数据挖掘的定义—技术定义 数据挖掘和信息检索： 信息检索和数据挖掘的相同点是从档案文件或数据库中抽取感兴趣的数据和信息。区别在于数据检索对信息的抽取规则是事先定义好的，抽取的是外在信息。据挖掘于挖掘寻找现象之间事先未知的关系和关联 。 1.2数据挖掘的定义—商业定义 按企业既定业务目标，对大量的企业数据