资源描述：
《数据挖掘入门课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。
1、数据挖掘主要内容数据挖掘概述数据预处理数据挖掘算法－分类与预测数据挖掘算法－聚类数据挖掘算法－关联分析序列模式挖掘一、数据挖掘概述数据挖掘概念数据挖掘--从大量的数据中，提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘的主要目的是提高决策能力，检测异常模式，在过去的经验基础上预言未来趋势等。例如，通过对大量气象资料和销售资料的处理及分析，德国的啤酒商发现，夏天气温每升高1℃，就会增加230万瓶的啤酒销量；而日本人则发现，夏季30℃以上的天气每增加一天，空调的销量便增加4万台。沃尔玛超市建立数据仓
2、库，按周期统计产品的销售信息，经过科学建模后提炼决策层数据。发现每逢周末，位于某地区的沃尔玛超市连锁店的啤酒和尿布的销售量很大，而且单张发票中同时购买尿布和啤酒的记录非常普遍。分析人员认为这并非偶然，经过深入分析得知，通常周末购买尿布的是男士，他们在完成了太太交给的任务后，经常会顺便买一些啤酒。得出这样的结果后，沃尔玛超市的工作人员尝试着将啤酒和尿布摆放在一起销售，结果尿布与啤酒的销售额双双增长。数据挖掘概念5数据挖掘（DataMining）：又称为数据库中的知识发现，是基于AI、机器学习、统计学等技术，高度自动化地分析
3、原有的数据，进行归纳性推理，从数据仓库或数据库中提取可信的、新颖的、有效的、人们感兴趣的、能别人理解的知识的高级处理过程。这些知识是隐含的、事先未知的有用信息，提取的知识表现为概念、规则、模式、规律等形式，以帮助管理者作出正确的决策。模式：它给出了数据特性或数据之间的关系，是对数据所包含的信息更抽象的描述。模式按功能可以分为预测型模式和描述型模式。在实际应用中，可以细分为关联模式、分类模式、聚类模式和序列模式等。数据挖掘概念6数据挖掘的任务分类预测（Prediction）利用一些变量来预测未知的或其他变量将来的值.典型的
4、方法是回归分析，即利用大量的历史数据，以时间为变量建立线性或非线性回归方程。预测时，只要输入任意的时间值，通过回归方程就可求出该时间的状态。近年来，发展起来的神经网络方法，如BP模型，它实现了非线性样本的学习，能进行非线性函数的预测典型的分类型任务如下：1、给出一个客户的购买或消费特征，判断其是否会流失；2、给出一个信用卡申请者的资料，判断其编造资料骗取信用卡的可能性3、给出一个病人的症状，判断其可能患的疾病4、给出大额资金交易的细节，判断是否有洗钱的嫌疑；5、给出很多文章，判断文章的类别（如科技、体育、经济等）数据挖掘
5、的任务描述型任务：找到人们可以解释的，描述数据的模式.描述性任务主要包括聚类、摘要、依赖分析等几种任务。聚类任务把没有预定义类别的数据划分成几个合理的类别，摘要任务形成数据高度浓缩的子集及描述，依赖分析任务发现数据项之间的关系。典型的描述型任务如下：1、给出一组客户的行为特征，将客户分成多个行为相似的群体；2、给出一组购买数据，分析购买某些物品和购买其他物品之间的联系3、给出一篇文档，自动形成该文档的摘要数据挖掘的任务数据挖掘的任务分类[预测性的]聚类[描述性的]关联规则发现[描述性的]序列模式发现[描述性的]预测回归[
6、预测性的]异常发现[预测型的]分类给定一组纪录(训练集-trainingset)每一条记录都包含一组属性,其中的一个属性就是类.为类属性找到一个模型，这个模型就是其他属性值的函数.目的：先前未见过的纪录应该被尽可能精确的分配一个类中.在分类预测任务中，数据集根据其在数据挖掘过程中扮演角色的不同，可划分为训练集、测试集、验证集。训练集：是在数据挖掘过程中用来训练学习算法，建立模型的数据集.测试集：就是数据挖掘算法在生成模型后，用以测试所得到的模型的有效性的数据集，常被用来决定模型的精确性.验证集：是在数据挖掘过程结束后，模
7、型应用的实际数据集，验证集用于在实践中检验模型.分类例如：一个销售的顾客数据库（训练样本集合），对购买计算机的人员进行分类：字段为（年龄（取值：<30,30~40,>40);收入(高,中,低);学生否(Y,N);信用(一般,很好);购买计算机否(Y,N))记录为14个,具体数据如下:X1=(<30,高,N,一般,N);X2=(<30,高,N,很好,N);X3=(30~40,高,N,一般,Y);X4=(>40,中,N,一般,Y);X5=(>40,低,Y,一般,Y);X6=(>40,低,Y,很好,N);X7=(30~40,低
8、,Y,很好,Y);X8=(<30,中,N,一般,N);X9=(<30,低,Y,一般,Y);X10=(>40,中,Y,一般,Y);X11=(<30,中,Y,很好,Y);X12=(30~40,中,N,很好,Y);X13=(30~40,高,Y,一般,Y);X14=(>40,中,N,很好,N);利用贝叶斯法则预测，符合下列条
