数据挖掘是一个涵盖多个领域的交叉学科,旨在从大规模数据集中发现有用的模式、关系和信息。在本文中,我们将介绍数据挖掘的背景、定义、过程、任务和应用,以及相关的问题和挑战。
参考
https://blog.csdn.net/qq_41433002/article/details/123260714
1.数据挖掘背景、 历史及发展
数据挖掘起源于数据库领域,但随着计算能力的提高和大规模数据集的普及,它逐渐成为一个独立的研究领域。数据挖掘的历史可以追溯到上世纪80年代,随后在商业、科学和社会领域得到广泛应用。数据挖掘的发展与机器学习、统计学、数据库技术和人工智能等领域的交叉融合密不可分。
2.数据挖掘定义
2.1数据定义
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
主要问题
- 类型转换
- 错误
2.2数据挖掘定义
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]
3.数据挖掘过程
- 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。
4.数据挖掘任务关联规则挖掘
- 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
5.数据挖掘应用
5.1应用场景
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。
5.2存在的问题
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
完善
数据挖掘 2.1 —— 绪论
数据挖掘是一个涵盖多个领域的交叉学科,旨在从大规模数据集中发现有用的模式、关系和信息。在本文中,我们将介绍数据挖掘的背景、定义、过程、任务和应用,以及相关的问题和挑战。
1. 数据挖掘背景、历史及发展
数据挖掘起源于数据库领域,但随着计算能力的提高和大规模数据集的普及,它逐渐成为一个独立的研究领域。数据挖掘的历史可以追溯到上世纪80年代,随后在商业、科学和社会领域得到广泛应用。数据挖掘的发展与机器学习、统计学、数据库技术和人工智能等领域的交叉融合密不可分。
2. 数据挖掘定义
2.1 数据定义
数据是指存储在计算机或其他媒体中的事实和统计信息的集合。数据可以是结构化的(如数据库中的表格数据)、半结构化的(如XML文档)或非结构化的(如文本文档、图像和音频文件)。
2.2 数据挖掘定义
数据挖掘是从大规模数据集中提取有用信息和模式的过程。它结合了数据库技术、机器学习、统计学和数据可视化等方法,用于识别、分析和预测数据中的隐藏模式和关系。
3. 数据挖掘过程
数据挖掘过程通常包括以下步骤:
- 数据收集:获取数据源,并将其存储在适当的数据仓库中。
- 数据清洗:处理数据中的噪声、缺失值和异常值,以确保数据质量。
- 数据探索:通过统计分析和可视化工具来理解数据的特征和分布。
- 特征工程:选择和提取用于建模的重要特征。
- 模型建立:选择适当的数据挖掘算法,并训练模型。
- 模型评估:使用评估指标来评估模型的性能。
- 模型部署:将训练好的模型部署到实际应用中,以进行预测和决策。
4. 数据挖掘任务 - 关联规则挖掘
关联规则挖掘是数据挖掘中的一项重要任务,用于发现数据中的关联关系。它通常应用于市场篮分析和购物篮分析,以揭示不同商品之间的购买关系。例如,如果一位顾客购买了牛奶,那么购买面包的概率也可能很高。
5. 数据挖掘应用
5.1 应用场景
数据挖掘在各个领域中有广泛的应用,包括但不限于:
- 金融领域:信用评分、风险管理、欺诈检测。
- 医疗保健:疾病预测、药物发现。
- 零售业:市场篮分析、库存管理、定价策略。
- 社交媒体:用户行为分析、内容推荐。
- 物联网:传感器数据分析、设备故障预测。
5.2 存在的问题
数据挖掘应用也面临一些问题和挑战,包括隐私保护、数据采集、数据质量、模型解释性、计算性能等方面的问题。另外,合规性和伦理问题也需要考虑,尤其是在处理敏感数据时。