[中医中药]1聚类.pdfVIP

中医药数据分析与挖掘 杨雪梅 博士 目录 数据分析与数据挖掘 向量空间模型 聚类 统计分析 统计学（statistics ）:应用数学的原理与方法, 研究数据的搜集、整理与分析的科学，对不确 定性数据作出科学的推断。 数据分析：采用统计学等一切可以采用的方法 完成对数据的理解、归纳和总结。 数据挖掘(Data Mining)定义 背景：20世纪80年代末为摆脱“数据丰富,但信 息贫乏”这一困境而兴起的一种信息技术 。 广义：从大量数据中提取或“挖掘”知识，又称 数据库中的知识发现，或KDD。 狭义：KDD过程中的一个步骤。 从技术层面定义“数据挖掘就是从大量的,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.” 相关概念解读 数据(Data)＝事实的记录，如上季度甲 系列产品在华东地区销售额为120万。 信息=(Information)＝数据+意义，如上 季度甲系列产品华东地区销售额比去年同 期减少了25 %。 知识(Knowledge) ＝解决问题的技能 (skill)，针对这一问题公司应对的策略是 什么？ 智慧(Wisdom) ＝知识的选择 (Selection) 应对的行动方案可能有多种 ，但(战略)选择哪个靠智慧。行动则又会 产生新的交易数据。 数据挖掘步骤 ①数据清理(Data Cleaning)，主要是消除噪声 或不一致数据； ②数据集成(Data Integration)，将多个数据源 组合在一起； ③数据选择(Data Selection)，从数据库中检索 与分析与任务相关的数据； ④数据变换(Data Transformation)，将数据统 一变换为适合挖掘的形式，如汇总或聚集； ⑤数据挖掘(Data Mining)，使用智能方法提取 数据中的模式和隐含的知识； ⑥模式评估(Pattern Evaluation)，根据某种兴 趣度度量识别真正有趣的模式作为知识；