數(shù)據(jù)挖掘技術(shù)
（Data Mining Techniques）
林源洪
集美大學(xué)理學(xué)院
（School of Sciences，Jimei University）
1
第一章引言
1什么激發(fā)了數(shù)據(jù)挖掘，為什么它是重要的
需要是發(fā)明之母。數(shù)據(jù)挖掘之所以引起信息產(chǎn)業(yè)界的極大關(guān)注，其主要原因是存在大量數(shù)據(jù)，可以廣泛使用，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)。獲取的信息和知識(shí)可以廣泛地用于各種應(yīng)用，包括商務(wù)管理、生產(chǎn)控制、市場(chǎng)分析、工程設(shè)計(jì)和科學(xué)探索。所以，數(shù)據(jù)挖掘是信息技術(shù)自然演化的結(jié)果，因而是重要的。
2什么是數(shù)據(jù)挖掘
簡(jiǎn)單地說，數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取或“挖掘”知識(shí)。從廣義上來說，數(shù)據(jù)挖掘是從存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中的大量數(shù)據(jù)中挖掘有趣知識(shí)的過程�；谶@種觀點(diǎn)，典型的數(shù)據(jù)挖掘系統(tǒng)具有以下主要成分：
1）數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)
2）數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器
3）知識(shí)庫(kù)
4）數(shù)據(jù)挖掘引擎（用于特征化、關(guān)聯(lián)、分類、聚類分析以及演變與偏差分析）
5）模式評(píng)估模塊
6）圖形用戶界面
2
3在何種數(shù)據(jù)上進(jìn)行數(shù)據(jù)挖掘
原則上講，數(shù)據(jù)挖掘可以在任何類型的信息存儲(chǔ)上進(jìn)行。它包括以下幾個(gè)方面：
1）關(guān)系數(shù)據(jù)庫(kù)
2）數(shù)據(jù)倉(cāng)庫(kù)
3）事務(wù)數(shù)據(jù)庫(kù)
4）高級(jí)數(shù)據(jù)庫(kù)系統(tǒng)
5）展開文件和WWW
4數(shù)據(jù)挖掘功能---可以挖掘什么類型的模式
數(shù)據(jù)挖掘功能用于指定數(shù)據(jù)挖掘任務(wù)中要找的模式類型。數(shù)據(jù)挖掘任務(wù)一般可以分為兩類：描述和預(yù)測(cè)。描述性挖掘任務(wù)刻劃數(shù)據(jù)庫(kù)中數(shù)據(jù)的一般特性。預(yù)測(cè)性挖掘任務(wù)在當(dāng)前數(shù)據(jù)上進(jìn)行推斷，并加以預(yù)測(cè)。通常我們把它們分為以下幾個(gè)類型：
1）概念/類描述：特征化和區(qū)分（Characterization and Discrimination）
2）關(guān)聯(lián)分析（Association Analysis）
3）分類和預(yù)測(cè)（Classification and Predict）
4）聚類分析（Clustering Analysis）
5）孤立點(diǎn)分析（Outlier Analysis）
6）演變分析（Evolution Analysis）
5所有模式都是有趣的嗎
答案顯然是否定的。實(shí)際上，對(duì)于給定的用戶，在可能產(chǎn)生的模式中，只有一小部分是他感興趣的。這就對(duì)數(shù)據(jù)挖掘系統(tǒng)提出了一系
3
列的問題。你可能會(huì)想：“什么樣的模式是有趣的？數(shù)據(jù)挖掘系統(tǒng)能夠產(chǎn)生所有有趣的模式嗎？數(shù)據(jù)挖掘系統(tǒng)能夠僅產(chǎn)生有趣的模式嗎？”
模式是有趣的，通常它含以下幾點(diǎn)：（1）它易于被人理解；（2）在某種程度上，對(duì)于新的或測(cè)試數(shù)據(jù)是有效的；（3）是潛在有用的；（4）是新穎的。這樣就存在一些模式興趣度的客 |
|
資源大�。�570.70 KB 
