超级会员免费看
本文是关于数据挖掘与分析的期末复习笔记，涵盖了数据挖掘概念、数据预处理、分类、聚类和关联分析等内容。介绍了数据、信息、知识的区别，强调了数据挖掘在大量数据中发现知识的重要性。还详细讲解了数据的统计描述、降维方法、相似性度量以及数据预处理的技巧，如数据清洗、数据集成、相关性分析和数据规约。此外，文中还讨论了分类方法，如朴素贝叶斯和决策树，并对聚类方法进行了介绍。最后，简述了回归分析和关联规则挖掘的基本概念。
1. 数据挖掘概论
1.1 参考资料
视频资料：魏伟一老师；MOOC官网，国防科大:丁兆云老师，北理：嵩天老师
1.2 简介
- 知识是人类对客观世界的观察和了解，是人类对客观世界是什么、为什么、应该怎么做的认知，知识推动人类的进步和发展。人类所作出的正确判断和决策，以及采取正确的行动都是基于智慧和知识。
- 数据是反映客观事物的数字、词语、声音和图像等，是可以进行计算加工的“原料”。数据是对客观事物的数量、属性、位置及其相互关系的抽象表示，适合于保存、传递和处理。
数据挖掘（Data Mining）是人工智能和数据库领域研究的热点问题，是指从大量有噪声的、不完全的、模糊和随机的数据中，提取出隐含在其中的、事先不知道但具有潜在利用价值的信息的过程。
这个定义包括几层含义：数据必须是真实的、大量的并且含有噪声的；发现的是用户感兴趣的可以接受、理解和运用的知识；仅支持特定的问题，并不要求放之四海而皆准的知识。
与数据挖掘的含义类似的还有一些术语如从数据中心挖掘知识、知识提取
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
