- 1.数据挖掘背景、 历史及发展
- 2.数据挖掘定义
- 2.1数据定义
- 2.2数据挖掘定义
- 3.数据挖掘过程
- 4.数据挖掘任务关联规则挖掘
- 5.数据挖掘应用
- 5.1应用场景
- 5.2存在的问题
- 参考
数据是代表一个或一组变量的定性或定量属性的信息片段。 数据通常被视为信息和知识的最低层次的抽象。
数据类型
- 连续、二值
- 离散、字符串
- 符号
存储
- 物理
- 逻辑
2.2数据挖掘定义主要问题
- 类型转换
- 错误
数据挖掘是从大量的、 不完全的、 有噪声的、 模糊的、 随机的数据中提取隐含在其中的、 人们事先不知道的、 但又是潜在有用的信息和知识的过程。
Data Mining is the process of automatically extracting interesting useful hidden patterns from usually massive， incomplete and noisy data. [Wikipedia]
-
数据是未经加工和修饰的原料。
数据是可以记录、 通信和能识别的符号， 它通过有意义的组合来表达现实世界中的某种实体 （具体对象、 事件、 状态或活动） 的特征。 -
信息是对数据经过过滤、 融合、标准化、 对比、 翻译、 分类、 管理等一系列环节处理后得到的。
-
知识是对信息内容进行提炼、 比较、 挖掘、 分析、 概括、判断和推论得到的。
- 关联规则挖掘
- 非监督式机器学习 —— 聚类
- 监督式机器学习
- 离散标签预测 —— 标签分类
- 连续标签预测 —— 数值预测
- 回归
商务智能：通过数据挖掘等技术可以获得隐藏在各种数据中的有利信息，从而帮助商家进一步调整营销策略。
信息识别：信息识别是指信息接受者从一定的目的出发，运用已有的知识和经验，对信息的真伪性、有用性进行辨识和甄别。
搜索引擎：根据用户提供的关键词，在互联网上搜索用户最需要的内容。
辅助医疗：对大量历史诊断数据进行分析和挖掘，有助于医生对病人的病情进行有效的判断。
数据类型的多样性
高维度数据
噪声数据
分析与挖掘结果的可视化
隐私数据的保护
https://blog.csdn.net/qq_41433002/article/details/123260714
