午夜亚洲www湿好大,性按摩xxxx在线观看

論壇徽章:: 0

電梯直達(dá)

1樓 [收藏(0)] [報(bào)告]

發(fā)表于 2011-03-24 19:35 |只看該作者 |倒序?yàn)g覽

1.2 什么是數(shù)據(jù)挖掘

簡單地說，數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中提取或“挖掘”知識。該術(shù)語實(shí)際上有點(diǎn)用詞不當(dāng)。注意，從礦石或砂子挖掘黃金稱作黃金挖掘，而不是砂石挖掘。因此，數(shù)據(jù)挖掘應(yīng)當(dāng)更正確地命名為“從數(shù)據(jù)中挖掘知識”，遺憾的是這個(gè)詞有點(diǎn)長。“知識挖掘”是一個(gè)較短的術(shù)語，但不能反映從大量數(shù)據(jù)中挖掘。畢竟，挖掘是一個(gè)很生動(dòng)的術(shù)語，它抓住了從大量的、未加工的材料中發(fā)現(xiàn)少量寶貴金塊這一過程的特點(diǎn)（見圖1-3）。這樣，“數(shù)據(jù)挖掘”成了流行術(shù)語。還有一些術(shù)語具有和數(shù)據(jù)挖掘類似但稍微不同的含義，如從數(shù)據(jù)中挖掘知識、知識提取、數(shù)據(jù)/模式分析、數(shù)據(jù)考古和數(shù)據(jù)捕撈。

許多人把數(shù)據(jù)挖掘視為另一個(gè)常用的術(shù)語數(shù)據(jù)中的知識發(fā)現(xiàn)或KDD的同義詞，而另一些人只是把數(shù)據(jù)挖掘視為知識發(fā)現(xiàn)過程的一個(gè)基本步驟。知識發(fā)現(xiàn)過程如圖1-4所示，由以下步驟的迭代序列組成：

1. 數(shù)據(jù)清理（消除噪聲和不一致數(shù)據(jù)）

2. 數(shù)據(jù)集成（多種數(shù)據(jù)源可以組合在一起）

3. 數(shù)據(jù)選擇（從數(shù)據(jù)庫中提取與分析任務(wù)相關(guān)的數(shù)據(jù))

圖1-3 數(shù)據(jù)挖掘：在你的數(shù)據(jù)中搜索知識（有趣的模式）

圖1-4 數(shù)據(jù)挖掘作為知識發(fā)現(xiàn)過程的一個(gè)步驟

4. 數(shù)據(jù)變換（數(shù)據(jù)變換或統(tǒng)一成適合挖掘的形式，如通過匯總或聚集操作）

5. 數(shù)據(jù)挖掘（基本步驟，使用智能方法提取數(shù)據(jù)模式)

6. 模式評估（根據(jù)某種興趣度度量，識別表示知識的真正有趣的模式；見1.5節(jié))

7. 知識表示（使用可視化和知識表示技術(shù)，向用戶提供挖掘的知識)

步驟1～4是數(shù)據(jù)預(yù)處理的不同形式，為挖掘準(zhǔn)備數(shù)據(jù)。數(shù)據(jù)挖掘步驟可能與用戶或知識庫交互。有趣的模式提供給用戶，或作為新的知識存放在知識庫中。注意，根據(jù)這種觀點(diǎn)，數(shù)據(jù)挖掘只是整個(gè)過程中的一個(gè)步驟，盡管是最重要的步驟，因?yàn)樗l(fā)現(xiàn)用來評估的隱藏的模式。

我們同意數(shù)據(jù)挖掘是知識發(fā)現(xiàn)過程的一個(gè)步驟。然而，在產(chǎn)業(yè)界、媒體和數(shù)據(jù)庫研究界，術(shù)語數(shù)據(jù)挖掘比長術(shù)語從數(shù)據(jù)中發(fā)現(xiàn)知識更流行。因此，本書選用術(shù)語數(shù)據(jù)挖掘。我們采用數(shù)據(jù)挖掘功能的廣義觀點(diǎn)：數(shù)據(jù)挖掘是從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量數(shù)據(jù)中發(fā)現(xiàn)有趣知識的過程�；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（見圖1-5)：

圖1-5 典型數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)

• 數(shù)據(jù)庫、數(shù)據(jù)倉庫、萬維網(wǎng)或其他信息庫：這是一個(gè)或一組數(shù)據(jù)庫、數(shù)據(jù)倉庫、電子數(shù)據(jù)表或其他類型的信息庫�？梢詫︖@些數(shù)據(jù)進(jìn)行數(shù)據(jù)清理和集成。

• 數(shù)據(jù)庫或數(shù)據(jù)倉庫服務(wù)器：根據(jù)用戶的數(shù)據(jù)挖掘請求，數(shù)據(jù)庫或數(shù)據(jù)倉庫服務(wù)器負(fù)責(zé)提取相關(guān)數(shù)據(jù)。

• 知識庫：這是領(lǐng)域知識，用于指導(dǎo)搜索或評估結(jié)果模式的興趣度。這種知識可能包括概念分層，用于將屬性或?qū)傩灾到M織成不同的抽象層。用戶信念知識也可以包含在內(nèi)，可以使用這種知識，根據(jù)非期望性評估模式的興趣度。領(lǐng)域知識的其他例子包括附加的興趣度約束或閾值，以及元數(shù)據(jù)（例如，描述來自多個(gè)異構(gòu)數(shù)據(jù)源的數(shù)據(jù)）。

• 數(shù)據(jù)挖掘引擎：這是數(shù)據(jù)挖掘系統(tǒng)的基本部分，理想情況下由一組功能模塊組成，用于執(zhí)行特征化、關(guān)聯(lián)和相關(guān)分析、分類、預(yù)測、聚類分析、離群點(diǎn)分析和演變分析等任務(wù)。

• 模式評估模塊：通常，該成分使用興趣度度量（見1.5節(jié)），并與數(shù)據(jù)挖掘模塊交互，以便將搜索聚焦在有趣的模式上。它可能使用興趣度閾值過濾已發(fā)現(xiàn)的模式。模式評估模塊也可以與挖掘模塊集成在一起，這依賴于所用的數(shù)據(jù)挖掘方法的實(shí)現(xiàn)。對于有效的數(shù)據(jù)挖掘，建議盡可能深入地將模式評估興趣度推進(jìn)到挖掘過程之中，以便將搜索限制在有趣的模式上。

• 用戶界面：該模塊在用戶和數(shù)據(jù)挖掘系統(tǒng)之間通信，允許用戶與系統(tǒng)交互，說明數(shù)據(jù)挖掘查詢或任務(wù)，提供信息以幫助搜索聚焦，根據(jù)數(shù)據(jù)挖掘的中間結(jié)果進(jìn)行探索式數(shù)據(jù)挖掘。此外，該成分還允許用戶瀏覽數(shù)據(jù)庫和數(shù)據(jù)倉庫模式或數(shù)據(jù)結(jié)構(gòu)，評估挖掘的模式，以不同的形式對模式可視化。

從數(shù)據(jù)倉庫觀點(diǎn)來看，數(shù)據(jù)挖掘可以看作聯(lián)機(jī)分析處理（OLAP）的高級階段。然而，通過結(jié)合更高級的數(shù)據(jù)分析技術(shù)，數(shù)據(jù)挖掘比數(shù)據(jù)倉庫系統(tǒng)的匯總型分析處理的狹窄領(lǐng)域走得更遠(yuǎn)。

盡管市場上已有許多“數(shù)據(jù)挖掘系統(tǒng)”，但是并非所有的系統(tǒng)都能進(jìn)行真正的數(shù)據(jù)挖掘。不能處理大量數(shù)據(jù)的數(shù)據(jù)分析系統(tǒng)，最多稱作機(jī)器學(xué)習(xí)系統(tǒng)、統(tǒng)計(jì)數(shù)據(jù)分析工具或?qū)嶒?yàn)系統(tǒng)原型。一個(gè)系統(tǒng)只能夠進(jìn)行數(shù)據(jù)或信息檢索，包括在大型數(shù)據(jù)庫找出聚集值或回答演繹查詢，更應(yīng)歸類為數(shù)據(jù)庫系統(tǒng)，或信息檢索系統(tǒng)，或演繹數(shù)據(jù)庫系統(tǒng)。

數(shù)據(jù)挖掘涉及多學(xué)科技術(shù)的集成，包括數(shù)據(jù)庫和數(shù)據(jù)倉庫技術(shù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、高性能計(jì)算、模式識別、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)可視化、信息檢索、圖像與信號處理以及空間或時(shí)間數(shù)據(jù)分析。在本書討論數(shù)據(jù)挖掘時(shí)，我們采用數(shù)據(jù)庫觀點(diǎn)。也就是說，著重強(qiáng)調(diào)有效的和可伸縮的數(shù)據(jù)挖掘技術(shù)。一個(gè)算法是可伸縮的（scalable)是指，如果給定內(nèi)存和磁盤空間等可利用的系統(tǒng)資源，其運(yùn)行時(shí)間應(yīng)當(dāng)隨數(shù)據(jù)的規(guī)模近似線性地增加。通過數(shù)據(jù)挖掘，可以從數(shù)據(jù)

庫提取有趣的知識、規(guī)律或高層信息，并可以從不同角度觀察或?yàn)g覽它們。發(fā)現(xiàn)的知識可以用于做決策、過程控制、信息管理和查詢處理。因此，數(shù)據(jù)挖掘在信息和數(shù)據(jù)庫系統(tǒng)方面是最重要的前沿之一，是信息技術(shù)最有發(fā)展前途的交叉學(xué)科之一。

數(shù)據(jù)挖掘, 數(shù)據(jù)挖掘