数据挖掘2014概述.ppt

数据挖掘;参考教材;第一章 引论;1、为什么进行数据挖掘;网络之后的下一个技术热点;数据爆炸但知识贫乏;支持数据挖掘技术的基础;从商业数据到商业信息的进化; 2、数据挖掘的基本概念和定义; 基本概念;数据挖掘定义;实施数据挖掘的目的;数据挖掘与其他科学的关系;数据挖掘的数据源与以前相比有了显著的改变； 数据是海量的； 数据有噪声； 数据可能是非结构化的； 传统的数据分析方法基于假设驱动的:一般都是先给出一个假设然后通过数据验证 数据挖掘在一定意义上是基于发现驱动的：模式都是通过大量的搜索工作从数据中自动提取出来 。即数据挖掘是要发现那些不能靠直觉发现的信息或知识，甚至是违背直觉的信息或知识，挖掘出的信息越是出乎意料，就可能越有价值。;3、挖掘何种类型的数据;空间数据库;时间数据库和时间序列数据库;流数据;多媒体数据库;面向对象数据库和对象-关系数据库;异构数据库和历史(legacy)数据库;文本数据库和万维网(WWW);4、数据挖掘主要功能;概念/类别描述（Concept/Class Description）; 例2：对比移动电话费月消费额超出1000元的客户群与移动电话费月消费额低于100元的客户群。 利用数据挖掘可作出如下描述：移动电话月消费额超出1000元的客户80％以上年龄在35－50岁之间，且月收入5000元以上；而移动电话月消费额低于100元的客户60％以上要么年龄过大要么年龄过小，且月收入2000元以下。;关联分析（Association Analysis）;关联规则示意;分类与估值（Classification and Estimation）;分类问题例子;聚类分析（Clustering Analysis）;聚类示意图;时间序列分析（Time-Series Analysis）;时序挖掘示例;其它功能;5、数据挖掘的应用;典型应用案例;6、数据挖掘模型;CRISP-DM阶段和任务;业务理解（Business Understanding）阶段;数据理解（Data Understanding）阶段;数据准备（Data Preparation）阶段;建立模型（Modeling）阶段;模型评估（Evaluation）阶段;部署（Deployment）阶段;数据挖掘模型;数据挖掘的实现过程;数据准备;数据挖掘;模式的评估、解释;所有模式都是有趣的吗？;能够产生所有有趣模式并且仅产生有趣模式吗？;知???运用;8、 数据挖掘产品;第二章 认识数据;数据对象与属性类型;属性类型 ;属性值的特性 ;Attribute Type;Attribute Level ;离散和连续属性 ;数据集的类型 ;Record Data （记录数据）;Data Matrix （数据矩阵）;Document Data（文档数据）;Transaction Data;Graph Data ;Chemical Data ;Ordered Data ;Ordered Data ;Ordered Data;2、Techniques Used In Data Exploration ;Iris Sample Data Set ;Summary Statistics;Frequency and Mode;Percentiles;Measures of Location: Mean and Median;Measures of Spread: Range and Variance;Visualization(可视化);Example: Sea Surface Temperature;Representation;Arrangement;Selection;Visualization Techniques: Histograms;Two-Dimensional Histograms;Visualization Techniques: Box Plots;Example of Box Plots ;Visualization Techniques: Scatter Plots;Scatter Plot Array of Iris Attributes;Visualization Techniques: Contour Plots;Contour Plot Example: SST Dec, 1998;Visualization Techniques: Matrix Plots;Visualization of the Iris Data Matrix;Visualization of the Iris Correlation Matrix;Vis