資料預處理：
1.聚集：將兩個或者多個物件合併成單個物件。
2.抽樣：一種選擇資料物件子集進行分析的常用方法。抽象方法：簡單隨機抽樣 和漸進抽樣
3.維度約：我覺得翻譯的不好，英文明細是降維。降維技術：1.pca(principal components analysis)是一種用於連續屬性的線性代數技術，它找出新的屬性，這些屬性是原屬性的線性組合，是相互正交的，並且捕獲了資料的最大變差。2.svd(singular value decomposition)
4.特徵子集選擇 a：嵌入方法 b：過濾方法 c：包裝方法
5.特徵建立：由原來的屬性建立新的屬性。a.特徵提取 b.對映資料到新的空間 c.特徵構造
6.離散化和二元化
離散化：將連續屬性變換成分類屬性
二元化：連續和離散屬性變換成乙個或者朵兒二元屬性
7.變數變換：使用者變數的所有值的變換
簡單函式
規範化或者標準化
相似度和相異性的度量
1.簡單屬性之間的相似度和相異度
標稱的序數的
區間的或者比率的
2.資料物件之間的相異度
歐幾里得距離
閔克夫斯基距離
3.資料物件之間的相似度
余弦相似度
jaccard相似度
bregman散度
《資料探勘導論》讀書筆記（一） 緒論
書名 資料探勘導論 introduction to data mining 資料探勘是在大型資料儲存庫中，自動地發現有用資訊的過程。資料探勘技術用來探查大型資料庫，發現先前未知的有用模式。資料探勘還可以 未來觀測結果。傳統資料分析技術遇到的實際問題 可伸縮 需要處理海量資料，演算法必須是可伸縮的 s...
《資料探勘導論》讀書筆記11異常檢測
異常檢測的目標是發現與大部分其他物件不同的物件。通常，異常物件被稱作離群點 outlier 異常檢測也稱偏差檢測 deviation detection 因為異常物件的屬性值明顯偏離期望的或者常見的屬性值。異常檢測也稱為例外挖掘，因為異常在某種意義上是例外的。應用場景 欺詐檢測 入侵檢測 生態系統失...
資料探勘概念與技術 讀書筆記（1）
原書第三版 jiawei han micheline kamber jian pei 著 解決 資料豐富，但資訊貧乏 的問題。資料的 式增長，廣泛可用，巨大數量 資料時代 需要功能強大和通用的工具，從海量資料中發現有價值的資訊。從資料中挖掘知識。資料倉儲 事務資料 其他型別的資料 類 概念描述 特徵...