数据挖掘导论复习一(介绍+数据预处理方法+定性归纳) .pdfVIP

数据挖掘导论复习⼀（介绍+数据预处理⽅法+定性归纳）

数据挖掘=数据库+机器学习

算法经验模型

机器学习任务：分类、回归、聚类（KMeans、DCSAN、层次聚类）、数据降维、数据预处理

常⽤分类器：KNN、贝叶斯、逻辑回归、决策树、随机森林

本书将介绍数据挖掘与数据库知识发现的基本知识，以及从⼤量有噪声、不完整、甚⾄是不⼀致数据集合中，挖掘出有意义的模式知识所涉

及的概念与技术⽅法。同时还将介绍数据挖掘系统的结构、数据挖掘所获得的知识种类，以及数据挖掘系统的分类。

数据挖掘是⼀个多学科交叉领域，这些交叉学科包括：数据库系统、机器学习、统计学、可视化和信息科学。

1.数据挖掘导论

1.1数据挖掘发展概述

1.1.1数据丰富与知识匮乏

1.1.2从数据到知识

置⾝市场经济且⾯向全球性剧烈竞争的环境下，任何商家的优势不单纯地取决于如产品、服务、地区等⽅⾯因素，⽽在于创新。⽤知识作

为创新的原动⼒，就能使商家长期持续地保持竞争优势。因此要能及时迅速地从⽇积⽉累庞⼤的数据库中，以及互联⽹上获取与经营决策相

关的知识。

为了便于获得决策所需信息，就有必要将整个机构内的数据以统⼀形式集成存储在⼀起，这就是形成了数据仓库。数据仓库不同于管理⽇常

⼯作数据的数据库，它是为了便于分析针对特定主题的集成化的、时变的即提供存贮5-10