- 相關(guān)推薦
數據挖掘的讀書(shū)筆記
數據挖掘一般是指從大量的數據中通過(guò)算法搜索隱藏于其中信息的過(guò)程。數據挖掘通常與計算機科學(xué)有關(guān)，并通過(guò)統計、在線(xiàn)分析處理、情報檢索、機器學(xué)習、專(zhuān)家系統（依靠過(guò)去的經(jīng)驗法則）和模式識別等諸多方法來(lái)實(shí)現上述目標。目前喲普與大數據時(shí)代的到來(lái)，數據挖掘在很多高等院校已經(jīng)成為一門(mén)獨立的學(xué)科。下面是數據挖掘的相關(guān)讀書(shū)筆記。歡迎大家閱讀。
數據挖掘的讀書(shū)筆記 1
一、數據挖掘概念（即什么是數據挖掘）
我們生活在數據時(shí)代，各行各業(yè)每天都產(chǎn)生巨大的數據。數據的爆炸式增長(cháng)、廣泛可用和巨大數量使得我們的時(shí)代成為真正的數據時(shí)代。急需功能強大和通用的工具，以便從海量數據中發(fā)現有價(jià)值的信息，把這些數據轉換成有組織的、可利用的知識。這種需求導致了數據挖掘的誕生。
數據挖掘實(shí)際上是從數據中挖掘知識，由以下步驟的迭代組成：
(1)數據清理（消除噪聲和刪除不一致數據）
(2)數據集成（多種數據源可以組合在一起）
(3)數據選擇（從數據庫中提取與分析任務(wù)相關(guān)的數據）
(4)數據變換（通過(guò)匯總或聚集操作，把數據變換和統一成適合挖掘的形式）
(5)數據挖掘（基本步驟，使用智能方法提取數據模式）
(6)模式評估（根據某種興趣度度量，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(shù)，向用戶(hù)提供挖掘的知識） 關(guān)系數據庫是數據挖掘最常見(jiàn)、最豐富的信息源，因此它是我們數據挖掘研究研究的一種主要數據形式。
二、數據挖掘技術(shù)（即怎樣進(jìn)行數據挖掘）
1、可以挖掘什么類(lèi)型的模式 特征化與區分、頻繁模式、關(guān)聯(lián)和相關(guān)性挖掘，分類(lèi)與回歸，聚類(lèi)分析，離群點(diǎn)分析。 數據挖掘可以被用來(lái)進(jìn)行市場(chǎng)分析和管理、風(fēng)險分析和管理、缺陷分析和管理等。
2、使用什么技術(shù)
1)首先要認識數據，一個(gè)數據對象代表一個(gè)實(shí)體，又稱(chēng)樣本、實(shí)例、數據點(diǎn)或對象。 屬性是一個(gè)數據字段，表示數據對象的一個(gè)特征，又稱(chēng)維、特征和變量。
2)數據描述 中心趨勢度量：均值、中位數和眾數 度量數據散布：極差、四分位數、方差、標準差和四分位數極差 通過(guò)基于像素的可視化技術(shù)等清晰有效的表達數據
3)進(jìn)行數據預處理，包括數據變換與數據離散化。 數據變換策略：光滑、屬性構造、聚集、規范化、離散化、由標稱(chēng)數據產(chǎn)生概念分層 數據離散化策略：分箱、直方圖分析、聚類(lèi)決策樹(shù)和相關(guān)分析
4)然后需要建立數據倉庫進(jìn)行處理，數據倉庫：是一種數據庫，它允許將各種應用系統集成在一起，為統一的歷史數據分析提供堅實(shí)的平臺，對信息處理提供支持。數據倉庫的構建需要數據集成、數據清洗和數據統一。
5)聯(lián)機分析處理可以，在使用多維數據模型的數據倉庫或數據集市上進(jìn)行，使用數據立方體結構，OLAP操作可以有效的實(shí)現。
數據立方體計算的一般策略： 排序、散列和分組 同時(shí)聚集和緩存中間結果
當存在多個(gè)子女方體時(shí)，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
數據立方體計算方法： 多路數組聚集，基于稀疏數組的、自底向上的、共享計算的物化整個(gè)數據立方體 BUC，通過(guò)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(shù)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(guò)僅預計算劃分的立方體外殼片段，支持進(jìn)行高維OLAP
6）挖掘頻繁模式和關(guān)聯(lián)規則 頻繁項集挖掘方法： Apriori算法（通過(guò)限制候選產(chǎn)生發(fā)現頻繁項集），由頻繁項集產(chǎn)生關(guān)聯(lián)規則，提高Apriori算法的效率，挖掘頻繁項集的模式增長(cháng)方法，使用垂直數據格式挖掘頻繁項集，挖掘閉模式和極大模式
數據挖掘的讀書(shū)筆記 2
1、數據挖掘要解決的問(wèn)題
可伸縮（算法在處理各種規模的數據時(shí)都有很好的性能。隨著(zhù)數據的增大，效率不會(huì )下降很快。）
高維性（簡(jiǎn)單的說(shuō)就是多維數據的意思。平時(shí)我們經(jīng)常接觸的是一維數據或者可以寫(xiě)成表形式的二維數據，高維數據也可以類(lèi)推，不過(guò)維數較高的時(shí)候，直觀(guān)表示很難。）
異種數據和復雜數據
數據的所有權與分布（分布式數據挖掘：應付分布式海量數據的現代方法）
非傳統的分析（傳統方法：基于一種假設-檢驗模式；數據挖掘分析-時(shí)機性樣本，而不是隨機樣本）
2、數據挖掘任務(wù)
1）預測任務(wù)（目標變量/因變量：被預測的屬性；說(shuō)明變量/自變量：用來(lái)做預測的屬性）
2）描述任務(wù)
A預測建模：分類(lèi)-預測離散的.目標變量和回歸-預測連續的目標變量
B關(guān)聯(lián)分析
C聚類(lèi)分析
D異常檢測（識別其特征顯著(zhù)不同于其他數據的觀(guān)測值。這樣的觀(guān)測值稱(chēng)為異常點(diǎn)或離群點(diǎn)）
3、屬性的四種類(lèi)型
1）標稱(chēng)
2）序數
3）區間
4）比率
�。ú紶栕兞浚築oolean Variable (布爾型變量) 是有兩種邏輯狀態(tài)的變量，它包含兩個(gè)值：真和假。如果在表達式中使用了布爾型變量，那么將根據變量值的真假而賦予整型值1或0。）
【數據挖掘的讀書(shū)筆記】相關(guān)文章：
數據挖掘理論在數據采集中的運用03-16
數據挖掘專(zhuān)業(yè)就業(yè)方向09-27
數據挖掘崗位職責05-14
數據挖掘與企業(yè)營(yíng)銷(xiāo)策略探究03-29
數據挖掘分析崗位職責04-20
數據挖掘在ＣＲＭ中的應用分析03-22
數據挖掘技術(shù)在ＣＲＭ中的應用03-22
基于聚類(lèi)分析的數據挖掘方法03-08
數據挖掘論文參考文獻范文11-20