Posted on 2008-03-25 15:46
qiyadeng 阅读(1110)
评论(0) 编辑 收藏
数据挖掘中的任务大致包括以下几个方面：
1、分类：通过一个带有类标记的训练数据集，建立一个分类模型，通过对一系列属性的考察，可以对对象的类型进行预测，这是有监督的学习；
2、估计，例如：分析消费模型，估计个人收入和孩子数目；
3、预言，例如：根据个人教育、当前工作、行业趋势、预言2009年的工资；
4、密切性发掘，例如：关联规则发掘和相关性分析
5、聚集：主要针对没有类标记的数据，建立一个归类模型，让同一类的对象有尽量大的相似性，不同类的对象有尽量大的差异，这是无监督的学习；
6、偏差分析；
7、异常检测：发现不同于正常模式的数据，多用于风险规避、入侵检测。
(关于监督学习和非监督学习，请查看Machine Learning, Part I: Supervised and Unsupervised Learning或是译文)
数据挖掘中的步骤为：
1、数据规范化（消除错误和不一致的数据）和集成（从不同数据源提取数据）；
2、数据选择和变换（提取任务相关数据，根据需要转换成统一的、适合挖掘的形式）；
3、数据挖掘（使用合适的算法，在有效的时间内完成）；
4、模式评估（根据某种兴趣度量，识别表示知识的真正有趣的模式）；
5、数据挖掘结论的表示(使用可视化和知识表示技术，向用户提供挖掘的知识)。