數(shù)據(jù)類型

1）關系型數(shù)據(jù)庫
2）數(shù)據(jù)倉庫：

image.png

稱為 數(shù)據(jù)立方體.

image.png

3）事務數(shù)據(jù)
一次事務作為一條數(shù)據(jù)，例如：一次購物，一次航班訂票，一次用戶網(wǎng)頁點擊

4）其他類型的數(shù)據(jù)
時間相關或序列數(shù)據(jù)，股票交易數(shù)據(jù)，生物學序列數(shù)據(jù)，工程設計數(shù)據(jù)

挖掘模式

1）數(shù)據(jù)特征化與區(qū)分
數(shù)據(jù)特征化：例如：找出10%的軟件產(chǎn)品特征
2）數(shù)據(jù)區(qū)分
區(qū)分規(guī)則：例如：每年購買少于3次電子產(chǎn)品，與多于3次電子產(chǎn)品的人群

挖掘模式：頻繁模式，關聯(lián)和相關性

頻繁模式：頻繁項集，頻繁子序列
頻繁項集：例如：顧客頻繁購買牛奶與面包。商品的集合就是項集的集合（牛奶，面包）
頻繁子序列：購買順序 例如：先購買數(shù)碼相機，再購買內(nèi)存，再購買鏡頭等。

關聯(lián)性分析：當一個關聯(lián)的屬性不能同時滿足 《最小支持度閥值和 最小置信度閥值》 。則這個屬性會被丟棄

用于預測分析的分類與回歸

分類：

image.png

回歸：
分類用來預測（離散，無序的）標號，而回歸建立連續(xù)值函數(shù)模型。

例子：

image.png

聚類分析：
不像分類與回歸分析標記類的（訓練）數(shù)據(jù)集，聚類（clustering）分析數(shù)據(jù)對象，而不考慮類標號（訓練的數(shù)據(jù)集中一開始并沒有標識類別）。對象根據(jù) 《最大化類內(nèi)相似性》，《最小化類間相似性》的原則進行聚類或分組。

image.png

離群點分析：

image.png

置信率：
一般地，每個興趣度度量都與一個閥值關聯(lián)，該閥值可以由用戶控制，例如：置信度閥值 低于50%的規(guī)則可以認為是無趣的。（噪聲，異常，少數(shù)情況）

image.png

使用了的技術

image.png

數(shù)據(jù)挖掘的主要問題

挖掘方法：
1）挖掘各種新的知識類型
2）挖掘多維空間中的知識
3）跨學科的挖掘
4）提升網(wǎng)絡環(huán)境下的發(fā)現(xiàn)能力
5）處理不確定性，噪聲或不完全數(shù)據(jù)
6）模式評估和模式或約束指導的挖掘

用戶交互：
有效性與可伸縮性：
1）數(shù)據(jù)挖掘算法的運行時間可預計。短的和可以被應用接受的

數(shù)據(jù)類型的多樣性：
1）處理復雜的數(shù)據(jù)類型
2）動態(tài)的，網(wǎng)絡的，全球的數(shù)據(jù)庫

數(shù)據(jù)挖掘與社會：
1）隱私與用途