数据挖掘概念与技术第一章要点解析.ppt

* 数据挖掘：概念与技术 * OLAM 的结构 数据仓库 元数据 MDDB OLAM 引擎 OLAP 引擎 用户 GUI API 数据立方体 API 数据库 API 数据清理 数据集成 第3层 OLAP/OLAM 第2层 MDDB 第1层 数据存储 第4层 用户界面 过滤和集成 过滤 Databases 挖掘查询 挖掘结果 * 数据挖掘：概念与技术 * 数据挖掘的主要问题(1) 挖掘方法和用户交互 在数据库中挖掘不同类型的知识 在多个抽象层的交互式知识挖掘 结合背景知识 数据挖掘语言和启发式数据挖掘 数据挖掘结果的表示和可视化 处理噪音和不完全数据 模式评估: 兴趣度问题 性能和可伸缩性( scalability) 数据挖掘算法的性能和可伸缩性 并行, 分布和增量的挖掘方法 * 数据挖掘：概念与技术 * 数据挖掘的主要问题(2) 数据类型的多样性问题 处理关系的和复杂类型的数据 从异种数据库和全球信息系统 (WWW)挖掘信息 应用和社会效果问题 发现知识的应用 特定领域的数据挖掘工具 智能查询回答 过程控制和决策制定 发现知识与已有知识的集成: 知识融合问题 数据安全, 完整和私有的保护 * 数据挖掘：概念与技术 * 小结 数据挖掘: 从大量数据中发现有趣的模式 数据库技术的自然进化, 具有巨大需求和广泛应用 KDD 过程包括数据清理, 数据集成, 数据选择, 变换, 数据挖掘, 模式评估, 和知识表示 挖掘可以在各种数据存储上进行 数据挖掘功能: 特征, 区分, 关联, 分类, 聚类, 孤立点 和趋势分析, 等. 数据挖掘系统的分类 数据挖掘的主要问题 * 数据挖掘：概念与技术 * 数据挖掘界简史 1989 IJCAI Workshop on Knowledge Discovery in Databases (Piatetsky-Shapiro) Knowledge Discovery in Databases (G. Piatetsky-Shapiro and W. Frawley, 1991) 1991-1994 Workshops on Knowledge Discovery in Databases Advances in Knowledge Discovery and Data Mining (U. Fayyad, G. Piatetsky-Shapiro, P. Smyth, and R. Uthurusamy, 1996) 1995-1998 International Conferences on Knowledge Discovery in Databases and Data Mining (KDD’95-98) Journal of Data Mining and Knowledge Discovery (1997) 1998 ACM SIGKDD, SIGKDD’1999-2001 conferences, and SIGKDD Explorations More conferences on data mining PAKDD, PKDD, SIAM-Data Mining, (IEEE) ICDM, etc. * 数据挖掘：概念与技术 * 参考文献 Data mining and KDD (SIGKDD member CDROM): Conference proceedings: KDD, and others, such as PKDD, PAKDD, etc. Journal: Data Mining and Knowledge Discovery Database field (SIGMOD member CD ROM): Conference proceedings: ACM-SIGMOD, ACM-PODS, VLDB, ICDE, EDBT, DASFAA Journals: ACM-TODS, J. ACM, IEEE-TKDE, JIIS, etc. AI and Machine Learning: Conference proceedings: Machine learning, AAAI, IJCAI, etc. Journals: Machine Learning, Artificial Intelligence, etc. Statistics: Conference proceedings: Joint Stat. Meeting, etc. Journals: Annals of statistics, etc. Visualization: Conference proceedings: CHI, etc. Journals: IEEE Trans. visuali