数据挖掘精品课件.pptVIP

第1课数据挖掘概论卢焕达信息处理与优化技术研究所课程信息教材MargaretH.Dunham.数据挖掘教程,清华大学出版社参考文献JiaweiHanetc.数据挖掘:概念与技术(原书第2版),机械工业出版社IanH.Wittenetc.数据挖掘（实用机器学习技术），机械工业出版社TomMitchell.机器学习，机械工业出版社Pang-ningTanetc.数据挖掘导论，人民邮电出版社主要内容第一部分：数据挖掘导论第二部分：核心课题1、分类2、聚类3、关联规则第三部分：高级课题金融数据挖掘考核方式平时作业（含考勤，70%）+课程项目（30%）作业检查采用逐个答辩方式工具选择：weka（一种开源数据挖掘工具）matlabjavac/c++…OfficeTime星期二、三下午：1:30~4:00MyMSN:huandalu@MyQQ:957607866MyEmail:huandalu@内容提纲Topic1:数据挖掘介绍Topic2:数据挖掘任务举例Topic3:基本工具和资源Topic1:数据挖掘介绍内容提要数据挖掘的由来数据挖掘的应用什么是数据挖掘数据挖掘的由来背景网络之后的下一个技术热点数据爆炸但知识贫乏从商业数据到商业信息的进化背景人类已进入一个崭新的信息时代数据库中存储的数据量急剧膨胀需要从海量数据库和大量繁杂信息中提取有价值的知识，进一步提高信息的利用率产生了一个新的研究方向：基于数据库的知识发现（KnowledgeDiscoveryinDatabase），以及相应的数据挖掘（DataMining）理论和技术的研究随着大数据库的建立和海量数据的不断涌现，必然提出对强有力的数据分析工具的迫切需求。但现实情况往往是“数据十分丰富，而信息相当贫乏。”快速增长的海量数据收集、存放在大型数据库中，没有强有力的工具，理解它们已经远远超出人的能力。因此，有人称之为：“数据坟墓”。由于专家系统工具过分依赖用户或专家人工地将知识输入知识库中，而且分析结果往往带有偏差和错误，再加上耗时、费用高，故不可行。网络之后的下一个技术热点大量信息在给人们带来方便的同时也带来了一大堆问题：信息过量，难以消化信息真假难以辨识信息安全难以保证信息形式不一致，难以统一处理数据爆炸但知识贫乏随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，导致了“数据爆炸但知识贫乏”的现象。从商业数据到商业信息的进化KDD的出现基于数据库的知识发现（KDD）一词首次出现在1989年举行的国际人工智能联合大会IJCAI-89Workshop。1995年在加拿大蒙特利尔召开了第一届KDD国际学术会议（KDD’95）。由KluwersPublishers出版，1997年创刊的《KnowledgeDiscoveryandDataMining》是该领域中的第一本学术刊物。数据挖掘的发展数据挖掘是多学科的产物KDD已经成为人工智能研究热点目前，关于KDD的研究工作已经被众多领域所关注，如过程控制、信息管理、商业、医疗、金融等领域。作为大规模数据库中先进的数据分析工具，KDD的研究已经成为数据库及人工智能领域研究的一个热点。数据挖掘的应用电信：流失银行：聚类（细分）,交叉销售百货公司/超市：购物篮分析（关联规则）保险：细分，交叉销售，流失（原因分析）信用卡：欺诈探测，细分电子商务：网站日志分析税务部门：偷漏税行为探测警察机关：犯罪行为分析医学：医疗保健银行金融事务需要搜集和处理大量的数据，由于银行在金融领域的地位、工作性质、业务特点以及激烈的市场竞争决定了它对信息化、电子化比其它领域有更迫切的要求。利用数据挖掘技术可以帮助银行产品开发部门描述客户以往的需求趋势，并预测未来。美国商业银行是发达国家商业银行的典范，许多地方值得我国学习和借鉴。数据挖掘在银行领域的应用美国银行家协会(ABA)预测数据仓库和数据挖掘技术在美国商业银行的应用增长率是14.9％。分析客户使用分销渠道的情况和分销渠道的容量；建立利润评测模型；客户关系优化；风险控制等Mellon银行使用数据挖掘软件提高销售和定价金融产品的精确度，