Python数据挖掘——基础知识
-
数据挖掘又称从数据中 挖掘知识、知识提取、数据/模式分析
-
即为:从数据中发现知识的过程
-
1、数据清理 (消除噪声,删除不一致数据)
-
2、数据集成 (多种数据源 组合在一起)
-
3、数据选择 (从数据库中提取和分析任务相关的数据)
-
4、数据变换 (通过汇总或聚焦操作,把数据变换和统一成适合挖掘的形式)
-
5、数据挖掘 (基本步骤,使用智能化方法提取数据)
-
6、模式评估 (根据某种兴趣度量,识别代表知识的真正的有趣模式)
-
7、知识表示 (使用可视化和知识表示技术,向用户提供数据挖掘的知识)
-
-
广义:从大量的数据中挖掘有趣模式和知识的过程
-
数据挖掘的模式:
-
描述性:描述性挖掘任务刻画目标数据中数据的一般性质
-
预测性:预测性挖掘任务在当前数据上进行归纳,以便作出预测
-
-
数据挖掘功能
-
离群点分析
-
特征化与区分
-
数据特征化 是目标类数据的一般性/特性的汇总
-
数据区分是将目标数据对象的一般性 与一个/多个对比类对象的一般性进行比较
-
-
频繁模式、关联和相关性
-
频繁模式包括频繁项集、序列模式和频繁子结构
-
频繁项集挖掘是频繁模式的基础
-
-
聚类分析
-
最大化类内相似性
-
最小化类间相似性
-
-
分类与回归
-
-
数据挖掘使用的技术
-
统计学
-
数据库系统
-
数据仓库
-
信息检索
-
机器学习
-
模式识别
-
可视化
-
算法
-
高性能计算
-
应用
-
-
数据挖掘的主要问题
-
挖掘方法
-
用户交互
-
有效性与伸缩性
-
数据类型的多样性
-
数据挖掘与社会
-
本文来自博客园,作者:OCEANEYES.GZY,转载请注明原文链接:https://www.cnblogs.com/oceaneyes-gzy/p/10422033.html
关于作者
👋 读书城南,🤔 在未来面前,我们都是孩子~
- 📙 一个热衷于探索学习新方向、新事物的智能产品经理,闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~
👋 Social Media
🛠️ Blog: http://oceaneyes.top
⚡ PM导航: https://pmhub.oceangzy.top
☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/
🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/
📫 Email: 1450136519@qq.com
💬 WeChat: OCEANGZY
- 💬 公众号: UncleJoker-GZY