数据挖掘概述模板.pptVIP

数据挖掘系统 数据挖掘系统介绍 数据挖掘系统实施策略 数据挖掘系统接口 * 感谢你的观看 2019年5月18日 数据挖掘系统介绍 数据挖掘系统结构 数据挖掘系统进展 * 感谢你的观看 2019年5月18日 数据挖掘系统结构 数据仓库 数据清洗和集成 过滤 数据库 数据库或数据仓库服务器 数据挖掘引擎 模式评价 图形用户接口 知识库 * 感谢你的观看 2019年5月18日 数据库、数据仓库或其他信息库：这是一个或一组数据库、数据仓库、电子表格或其他类型的信息库。可以在数据上进行数据清理和集成。 数据库或数据仓库服务器：根据用户的数据挖掘请求，数据库或数据仓库服务器负责提取相关数据。 知识库：这是领域知识，用于指导搜索，或评估结果模式的兴趣度。 * 感谢你的观看 2019年5月18日 数据挖掘引擎：这是数据挖掘系统基本的部分，由一组功能模块组成，用于特征化、关联、分类、聚类分析以及演变和偏差分析。 模式评估模块：使用兴趣度度量，并与数据挖掘模块交互，以便将搜索聚焦在有趣的模式上。 图形用户界面：在用户和数据挖掘系统之间通信，允许用户与系统交互，指定数据挖掘具体任务。 * 感谢你的观看 2019年5月18日 数据挖掘系统进展 代 特征 数据挖掘算法 集成 分布计算模型 数据模型 第一代 数据挖掘作为一个独立的应用 支持一个或者多个算法 独立的系统 单个机器 向量数据 第二代 和数据库以及数据仓库集成 多个算法：能够挖掘一次不能放进内存的数据 数据管理系统，包括数据库和数据仓库 同质/局部区域的计算机群集 有些系统支持对象、文本、和连续的媒体数据 第三代 和预测模型系统集成 多个算法 数据管理和预测模型系统 intranet/extranet网络计算 支持半结构化数据和web数据 第四代 和移动数据/各种计算数据联合 多个算法 数据管理、预测模型、移动系统 移动和各种计算设备 普遍存在的计算模型 * 感谢你的观看 2019年5月18日 第一代数据挖掘系统 特点 支持一个或少数几个数据挖掘算法 挖掘向量数据（vector-valued data） 数据一般一次性调进内存进行处理 典型的系统如Salford Systems公司早期的CART系统() 缺陷 如果数据足够大，并且频繁的变化，这就需要利用数据库或者数据仓库技术进行管理，第一代系统显然不能满足需求。 * 感谢你的观看 2019年5月18日 CBA 新加坡国立大学。基于关联规则的分类算法，能从关系数据或者交易数据中挖掘关联规则，使用关联规则进行分类和预测 * 感谢你的观看 2019年5月18日 KDD过程（续） * 感谢你的观看 2019年5月18日 KDD过程（续） 1.数据准备：了解KDD应用领域的有关情况。包括熟悉相关的背景知识，搞清用户需求。 2.数据选取：数据选取的目的是确定目标数据，根据用户的需要从原始数据库中选取相关数据或样本。在此过程中，将利用一些数据库操作对数据库进行相关处理。 * 感谢你的观看 2019年5月18日 KDD过程（续） 3.数据预处理：对步骤2中选出的数据进行再处理，检查数据的完整性及数据一致性，消除噪声，滤除与数据挖掘无关的冗余数据，根据时间序列和已知的变化情况，利用统计等方法填充丢失的数据。 4.数据变换：根据知识发现的任务对经过预处理的数据进行再处理，主要是通过投影或利用数据库的其他操作减少数据量。 * 感谢你的观看 2019年5月18日 * 感谢你的观看 2019年5月18日 KDD过程（续） 5.确定KDD目标：根据用户的要求，确定KDD要发现的知识类型。因为对KDD的不同要求会在具体的知识发现过程中采用不同的知识发现算法。如分类、总结、关联规则、聚类等。 6.选择算法：根据确定的任务选择合适的知识发现算法，包括选取合适的模型和参数。 * 感谢你的观看 2019年5月18日 KDD过程（续） 7.数据挖掘：这是整个KDD过程中很重要的一个步骤。运用前面选择的算法，从数据库中提取用户感兴趣的知识，并以一定的方式表示出来（如产生式规则等）是数据挖掘的目的。 8.模式解释：对在数据挖掘步骤中发现的模式（知识）进行解释。经过用户或机器评估后，可能会发现这些模式中存在冗余或无关的模式，此时应该将其剔除。如果模式不能满足用户的要求，就需要返回到前面的某些处理步骤中反复提取。 * 感谢你的观看 2019年5月18日 KDD过程（续） 9.知识评价：将发现的知识以用户能了解的方式呈现给用户。 在上述步骤中，数据挖掘占据非常重要的地位，它主要是利用某些特定的知识发现算法，在一定的运算效率范围内，从数据中发现出有关知识，决定了整个KDD过程的效果与效率。 * 感谢你的观看 2019年5月18日 数