資料探勘 1

資料倉儲技術包括資料清理、資料整合和聯機分析處理（olap）

olap是一種分析技術，具有彙總，合併和聚集功能，以及從不同的角度觀察資訊的能力。

但，對於深層次的分析，如資料分類，聚類和資料隨時間變化的特徵，仍然需要其他 分析工具。

儘管市場上已有許多「資料探勘系統」，但是並非所有的 都能進行真正的資料探勘。不能處理大量資料的資料分析系統，最多稱為機器學習系統，統計資料分析工具。

可規模化的演算法。

實體聯絡（er）資料模型，將資料庫作為一組實體和他們之間的聯絡進行建模。通常為關聯式資料庫建造er模型。

關聯式資料庫

多為資料庫

資料探勘功能用於指定資料探勘任務中要找的模式型別。一般資料探勘任務可以分為兩類：描述 和 **。

描述性挖掘任務刻畫資料庫中資料的一般特性。**性挖掘任務在當前資料上進行推斷，以進行**.

多粒度（不同抽象層）分析

2.概念類描述：特徵和區分

資料特徵（多維挖掘）泛化關係；

資料區分：將目標類物件的一般特性與乙個或多個對比類物件的一般特性比較（使用者定義比較類，由資料庫得到其他 物件的相同類進行比較）；

區分規則： 沿已知維度或者新增新的維度。

關聯分析：

分類和**：

分類：它找描述或識別資料類或概念的模型（函式），以便能夠使用模型**類標號未知的物件。

如何提供匯出模型？

：分類規則、判定樹、數學公式 、神經網路。

判定樹 是類似乙個流程圖結構，每個結點代表乙個屬性值的測試，每個分支代表測試的乙個輸出，樹葉代表類或者類分布。

比較容易轉換為分類規則。

演變分析：

資料演變分析描述行為隨時間變化的物件的規律或趨勢，並對其建模。儘管這可能包括時間相關資料的特徵、區分、關聯、分類或聚類，這類分析的不同特點包括時間序列資料分析、序列或週期模式匹配和基於類似性的資料分析。

資料探勘效能問題：資料探勘演算法的有效性、可規模性和並行處理。

資料探勘1

資料探勘過程的方 其中比較經典的是crisp dm cross industrystandard process for data mining，跨行業資料探勘標準流程 其中一共分為6個步驟 商業理解，資料理解，資料準備，建模，評估，發布。統計學習劃分為兩種型別 有 監督學習，無監督學習 有監督學習...

資料探勘筆記（1）

1 資料探勘的一種定義 是一項通過探測大量資料以發現有意義的模式和規則的業務流程。資料探勘是一種業務流程，它以其它業務流程產生的大量資料為輸入，一般經過收集，清洗，整理，識別 分析和度量等加工，得到某種有意義的模式或規則作為輸出。而這種輸出反過來可以為其它業務流程提供度量，判斷，等作用。資料探勘的基...

1 資料探勘基礎

從大量資料中挖掘出隱含的 未知的 對決策有潛在價值的關係 模式和趨勢，並用這些知識和規則建立用於決策支援的模型，提供 性決策支援的方法 工具和過程，這就是資料探勘。是統計學 資料庫技術 人工智慧技術的結合。利用分類與 聚類分析 關聯規則 時序模式 偏差檢測 智慧型推薦等方法，幫助企業提取資料中蘊含的...