數(shù)據挖掘的讀書筆記
數(shù)據挖掘一般是指從大量的數(shù)據中通過算法搜索隱藏于其中信息的過程。數(shù)據挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經驗法則）和模式識別等諸多方法來實現(xiàn)上述目標。目前喲普與大數(shù)據時代的到來，數(shù)據挖掘在很多高等院校已經成為一門獨立的學科。下面是數(shù)據挖掘的相關讀書筆記。歡迎大家閱讀。
數(shù)據挖掘的讀書筆記 1
一、數(shù)據挖掘概念（即什么是數(shù)據挖掘）
我們生活在數(shù)據時代，各行各業(yè)每天都產生巨大的數(shù)據。數(shù)據的爆炸式增長、廣泛可用和巨大數(shù)量使得我們的時代成為真正的數(shù)據時代。急需功能強大和通用的工具，以便從海量數(shù)據中發(fā)現(xiàn)有價值的信息，把這些數(shù)據轉換成有組織的、可利用的知識。這種需求導致了數(shù)據挖掘的誕生。
數(shù)據挖掘實際上是從數(shù)據中挖掘知識，由以下步驟的迭代組成：
(1)數(shù)據清理（消除噪聲和刪除不一致數(shù)據）
(2)數(shù)據集成（多種數(shù)據源可以組合在一起）
(3)數(shù)據選擇（從數(shù)據庫中提取與分析任務相關的數(shù)據）
(4)數(shù)據變換（通過匯總或聚集操作，把數(shù)據變換和統(tǒng)一成適合挖掘的形式）
(5)數(shù)據挖掘（基本步驟，使用智能方法提取數(shù)據模式）
(6)模式評估（根據某種興趣度度量，識別代表知識的真正有趣的模式）
(7)知識表示（使用可視化和知識表示技術，向用戶提供挖掘的知識） 關系數(shù)據庫是數(shù)據挖掘最常見、最豐富的信息源，因此它是我們數(shù)據挖掘研究研究的一種主要數(shù)據形式。
二、數(shù)據挖掘技術（即怎樣進行數(shù)據挖掘）
1、可以挖掘什么類型的模式 特征化與區(qū)分、頻繁模式、關聯(lián)和相關性挖掘，分類與回歸，聚類分析，離群點分析。 數(shù)據挖掘可以被用來進行市場分析和管理、風險分析和管理、缺陷分析和管理等。
2、使用什么技術
1)首先要認識數(shù)據，一個數(shù)據對象代表一個實體，又稱樣本、實例、數(shù)據點或對象。 屬性是一個數(shù)據字段，表示數(shù)據對象的一個特征，又稱維、特征和變量。
2)數(shù)據描述 中心趨勢度量：均值、中位數(shù)和眾數(shù) 度量數(shù)據散布：極差、四分位數(shù)、方差、標準差和四分位數(shù)極差 通過基于像素的可視化技術等清晰有效的表達數(shù)據
3)進行數(shù)據預處理，包括數(shù)據變換與數(shù)據離散化。 數(shù)據變換策略：光滑、屬性構造、聚集、規(guī)范化、離散化、由標稱數(shù)據產生概念分層 數(shù)據離散化策略：分箱、直方圖分析、聚類決策樹和相關分析
4)然后需要建立數(shù)據倉庫進行處理，數(shù)據倉庫：是一種數(shù)據庫，它允許將各種應用系統(tǒng)集成在一起，為統(tǒng)一的歷史數(shù)據分析提供堅實的平臺，對信息處理提供支持。數(shù)據倉庫的構建需要數(shù)據集成、數(shù)據清洗和數(shù)據統(tǒng)一。
5)聯(lián)機分析處理可以，在使用多維數(shù)據模型的數(shù)據倉庫或數(shù)據集市上進行，使用數(shù)據立方體結構，OLAP操作可以有效的實現(xiàn)。
數(shù)據立方體計算的一般策略： 排序、散列和分組 同時聚集和緩存中間結果
當存在多個子女方體時，由最小的子女聚集 可以使用先驗剪枝方法有效的'計算冰山立方體
數(shù)據立方體計算方法： 多路數(shù)組聚集，基于稀疏數(shù)組的、自底向上的、共享計算的物化整個數(shù)據立方體 BUC，通過探查有效的自頂向下計算次序和排序計算冰山立方體 Star-Cubing,使用星樹結構，集成自頂向下和自底向上計算，計算冰山立方體 外殼片段立方體，通過僅預計算劃分的立方體外殼片段，支持進行高維OLAP
6）挖掘頻繁模式和關聯(lián)規(guī)則 頻繁項集挖掘方法： Apriori算法（通過限制候選產生發(fā)現(xiàn)頻繁項集），由頻繁項集產生關聯(lián)規(guī)則，提高Apriori算法的效率，挖掘頻繁項集的模式增長方法，使用垂直數(shù)據格式挖掘頻繁項集，挖掘閉模式和極大模式
數(shù)據挖掘的讀書筆記 2
1、數(shù)據挖掘要解決的問題
可伸縮（算法在處理各種規(guī)模的數(shù)據時都有很好的性能。隨著數(shù)據的增大，效率不會下降很快。）
高維性（簡單的說就是多維數(shù)據的意思。平時我們經常接觸的是一維數(shù)據或者可以寫成表形式的二維數(shù)據，高維數(shù)據也可以類推，不過維數(shù)較高的時候，直觀表示很難。）
異種數(shù)據和復雜數(shù)據
數(shù)據的所有權與分布（分布式數(shù)據挖掘：應付分布式海量數(shù)據的現(xiàn)代方法）
非傳統(tǒng)的分析（傳統(tǒng)方法：基于一種假設-檢驗模式；數(shù)據挖掘分析-時機性樣本，而不是隨機樣本）
2、數(shù)據挖掘任務
1）預測任務（目標變量/因變量：被預測的屬性；說明變量/自變量：用來做預測的屬性）
2）描述任務
A預測建模：分類-預測離散的.目標變量和回歸-預測連續(xù)的目標變量
B關聯(lián)分析
C聚類分析
D異常檢測（識別其特征顯著不同于其他數(shù)據的觀測值。這樣的觀測值稱為異常點或離群點）
3、屬性的四種類型
1）標稱
2）序數(shù)
3）區(qū)間
4）比率
（布爾變量：Boolean Variable (布爾型變量) 是有兩種邏輯狀態(tài)的變量，它包含兩個值：真和假。如果在表達式中使用了布爾型變量，那么將根據變量值的真假而賦予整型值1或0。）
【數(shù)據挖掘的讀書筆記】相關文章：
數(shù)據挖掘理論在數(shù)據采集中的運用03-16
數(shù)據挖掘崗位職責05-14
數(shù)據挖掘分析崗位職責04-20
數(shù)據挖掘在ＣＲＭ中的應用分析03-22
數(shù)據挖掘技術在ＣＲＭ中的應用03-22
基于聚類分析的數(shù)據挖掘方法03-08
淺談反病毒數(shù)據庫的數(shù)據分類挖掘論文02-19
數(shù)據挖掘論文參考文獻范文11-20