数据挖掘中就的特征选择.pptVIP

数据挖掘中的特征选择 数据挖掘的作用 数据挖掘：在大量的数据中挖掘感兴趣的知识（规则，规律，模式，约束） 数据挖掘是一种从大量数据中寻找其规律的技术。它综合了统计学、数据库技术和人工智能技术 数据挖掘的应用 数据分析和决策支持 市场分析和管理 客户关系管理 (CRM)，市场占有量分析，交叉销售，目标市场 风险分析和管理 风险预测，客户保持，保险业的改良，质量控制，竞争分析 欺骗检测和异常模式的监测 (孤立点) 其他的应用 文本挖掘 (新闻组，电子邮件，文档) 和Web挖掘 流数据挖掘 DNA 和生物数据分析 数据挖掘: 数据库中的知识挖掘(KDD) 数据挖掘—知识挖掘的核心 数据挖掘的步骤 了解应用领域 了解相关的知识和应用的目标 创建目标数据集: 选择数据 数据清理和预处理: (这个可能要占全过程60％的工作量) 数据缩减和变换 找到有用的特征，维数缩减/变量缩减，不变量的表示 选择数据挖掘的功能 数据总结, 分类模型数据挖掘, 回归分析, 关联规则挖掘, 聚类分析等 选择挖掘算法 数据挖掘: 寻找感兴趣的模式 模式评估和知识表示 可视化，转换，消除冗余模式等等 运用发现的知识 数据挖掘和商业智能 典型数据挖掘系统 数据挖掘:多个学科的融合 数据挖掘的主要方法 分类（Classification） 聚类(Clustering) 相关规则(Association Rule)