數(shù)據(jù)挖掘讀書筆記

1、精選優(yōu)質(zhì)文檔-傾情為你奉上數(shù)據(jù)挖掘：概念與技術（1-6章）讀書筆記1、 數(shù)據(jù)挖掘概念（即什么是數(shù)據(jù)挖掘）我們生活在數(shù)據(jù)時代，各行各業(yè)每天都產(chǎn)生巨大的數(shù)據(jù)。數(shù)據(jù)的爆炸式增長、廣泛可用和巨大數(shù)量使得我們的時代成為真正的數(shù)據(jù)時代。急需功能強大和通用的工具，以便從海量數(shù)據(jù)中發(fā)現(xiàn)有價值的信息，把這些數(shù)據(jù)轉換成有組織的、可利用的知識。這種需求導致了數(shù)據(jù)挖掘的誕生。數(shù)據(jù)挖掘?qū)嶋H上是從數(shù)據(jù)中挖掘知識，由以下步驟的迭代組成：(1) 數(shù)據(jù)清理（消除噪聲和刪除不一致數(shù)據(jù)）(2) 數(shù)據(jù)集成（多種數(shù)據(jù)源可以組合在一起）(3) 數(shù)據(jù)選擇（從數(shù)據(jù)庫中提取與分析任務相關的數(shù)據(jù)）(4) 數(shù)據(jù)變換（通過匯總或聚集操作，把數(shù)據(jù)變換

2、和統(tǒng)一成適合挖掘的形式）(5) 數(shù)據(jù)挖掘（基本步驟，使用智能方法提取數(shù)據(jù)模式）(6) 模式評估（根據(jù)某種興趣度度量，識別代表知識的真正有趣的模式）(7) 知識表示（使用可視化和知識表示技術，向用戶提供挖掘的知識）關系數(shù)據(jù)庫是數(shù)據(jù)挖掘最常見、最豐富的信息源，因此它是我們數(shù)據(jù)挖掘研究研究的一種主要數(shù)據(jù)形式。2、 數(shù)據(jù)挖掘技術（即怎樣進行數(shù)據(jù)挖掘）1、 可以挖掘什么類型的模式特征化與區(qū)分、頻繁模式、關聯(lián)和相關性挖掘，分類與回歸，聚類分析，離群點分析。數(shù)據(jù)挖掘可以被用來進行市場分析和管理、風險分析和管理、缺陷分析和管理等。2、使用什么技術1)首先要認識數(shù)據(jù)，一個數(shù)據(jù)對象代表一個實體，又稱樣本、實例、數(shù)

3、據(jù)點或?qū)ο蟆?#160;屬性是一個數(shù)據(jù)字段，表示數(shù)據(jù)對象的一個特征，又稱維、特征和變量。2)數(shù)據(jù)描述中心趨勢度量：均值、中位數(shù)和眾數(shù)度量數(shù)據(jù)散布：極差、四分位數(shù)、方差、標準差和四分位數(shù)極差通過基于像素的可視化技術等清晰有效的表達數(shù)據(jù)3)進行數(shù)據(jù)預處理，包括數(shù)據(jù)變換與數(shù)據(jù)離散化。數(shù)據(jù)變換策略：光滑、屬性構造、聚集、規(guī)范化、離散化、由標稱數(shù)據(jù)產(chǎn)生概念分層數(shù)據(jù)離散化策略：分箱、直方圖分析、聚類決策樹和相關分析4) 然后需要建立數(shù)據(jù)倉庫進行處理，數(shù)據(jù)倉庫：是一種數(shù)據(jù)庫，它允許將各種應用系統(tǒng)集成在一起，為統(tǒng)一的歷史數(shù)據(jù)分析提供堅實的平臺，對信息處理提供支持。數(shù)據(jù)倉庫的構建需要數(shù)據(jù)集成、數(shù)據(jù)清洗和數(shù)據(jù)統(tǒng)一

4、。5)聯(lián)機分析處理可以，在使用多維數(shù)據(jù)模型的數(shù)據(jù)倉庫或數(shù)據(jù)集市上進行，使用數(shù)據(jù)立方體結構，OLAP操作可以有效的實現(xiàn)。數(shù)據(jù)立方體計算的一般策略： 排序、散列和分組 同時聚集和緩存中間結果 當存在多個子女方體時，由最小的子女聚集 可以使用先驗剪枝方法有效的計算冰山立方體數(shù)據(jù)立方體計算方法： 多路數(shù)組聚集，基于稀疏數(shù)組的、自底向上的、共享計算的物化整個數(shù)據(jù)立方體BUC，通過探查有效的自頂向下計算次序和排序計算冰山立方體Star-Cubing,使用星樹結構，集成自頂向下和自底向上計算，計算冰山立方體外殼片段立方體，通過僅預計算劃分的立方體外殼片段，支持進行高維OLAP 6）挖掘頻繁模式和關聯(lián)規(guī)則頻繁項集挖掘方法：Apriori算法（通過限制候選產(chǎn)生發(fā)現(xiàn)頻繁項集），由頻繁項集產(chǎn)生關聯(lián)