1 数据挖掘概念与技术 一. 什么是数据挖掘，数据挖掘的知识体系及应用范围 1. 定义： 又称数据中的知识发现，从大量的数据中挖掘有趣模式和知识的过程。 知识发现的过程： 1). 数据清理： 除噪声和删除不一致数据 2). 数据集成： 多种数据源的组合 3). 数据选择： 取和分析与任务相关的数据 4). 数据变换： 数据变换和统一成适合挖掘的形式 5). 数据挖掘： 使用智能方法提取数据格式 6). 模式评估： 识别代表知识的有趣模式 7). 知识表示： 使用可视化和知识表示技术，向用户提供挖掘的知识 2. 为什么要进行数据挖掘 未来将是大数据时代，IDC（国际数据公司）研究报告指出 2012 年全球信息资料量为2.8Z B（2 的 40 次方 GB）,而在 2020 年预计会达到 40Z B，平均每人拥有 5247GB 的数据。庞大的数据量背后隐藏着巨大的潜在价值，人们手握巨量的数据却没有很好的手段去充分挖掘其中的价值，因此对数据挖掘的研究可以帮助我们将数据转化成知识。 3. 数据挖掘的知识体系 数据挖掘作为一个应用驱动的领域，吸纳了许多应用领域的技术，包括： 统计学、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、算法、高性能计算等。 数据挖掘的任务分类： 描述性任务： 刻画目标数据的一般性质 预测性任务： 归纳及做出预测 数据挖掘功能： 1). 数据特征化与数据区分 2). 频繁模式 3). 关联和相关性挖掘 4). 分类和回归 5). 聚类分析 6). 离群点分析 4. 数据挖掘应用领域 1. 金融数据分析 2 2. 零售与电信业： 例如分析零售数据有利于做出正确的决策；产品推荐；顾客保有及促销策略 3. 科学与工程数据挖掘 4. 网络数据挖掘： 社交网络用户行为分析，多媒体、文本和 w eb 数据分析 5. 信息检索： 搜索引擎、云计算、数据仓库 二. 认识数据 1. 属性总结： 标称属性：一些符号和事物的名称，如头发颜色和学历是描述人的属性。 二元属性：只有0、1 两种状态 序数属性： 可能的值具有有意义的序，如教师职称 数值属性： 定量的，用实数值表示 2. 度量数据的相似性和相异性（即数据的邻近性） 非对称二元属性： Jaccard 属性 数值属性：欧几里得距离、曼哈顿距离、闵可夫斯基距离、上确界距离 相似性评估：余弦相似性（用于比较文档）、Tanimoto 系数 3. 数据预处理 1). 数据清理：填补缺失值、光滑噪声、识别离群点、纠正数据不一致性，通常...
