qiyadeng

數(shù)據(jù)挖掘中的任務(wù)大致包括以下幾個(gè)方面：

1、分類(lèi)：通過(guò)一個(gè)帶有類(lèi)標(biāo)記的訓(xùn)練數(shù)據(jù)集，建立一個(gè)分類(lèi)模型，通過(guò)對(duì)一系列屬性的考察，可以對(duì)對(duì)象的類(lèi)型進(jìn)行預(yù)測(cè)，這是有監(jiān)督的學(xué)習(xí)；
2、估計(jì)，例如：分析消費(fèi)模型，估計(jì)個(gè)人收入和孩子數(shù)目；
3、預(yù)言，例如：根據(jù)個(gè)人教育、當(dāng)前工作、行業(yè)趨勢(shì)、預(yù)言2009年的工資；
4、密切性發(fā)掘，例如：關(guān)聯(lián)規(guī)則發(fā)掘和相關(guān)性分析
5、聚集：主要針對(duì)沒(méi)有類(lèi)標(biāo)記的數(shù)據(jù)，建立一個(gè)歸類(lèi)模型，讓同一類(lèi)的對(duì)象有盡量大的相似性，不同類(lèi)的對(duì)象有盡量大的差異，這是無(wú)監(jiān)督的學(xué)習(xí)；
6、偏差分析；
7、異常檢測(cè)：發(fā)現(xiàn)不同于正常模式的數(shù)據(jù)，多用于風(fēng)險(xiǎn)規(guī)避、入侵檢測(cè)。
(關(guān)于監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，請(qǐng)查看Machine Learning, Part I: Supervised and Unsupervised Learning或是譯文)

數(shù)據(jù)挖掘中的步驟為：

1、數(shù)據(jù)規(guī)范化（消除錯(cuò)誤和不一致的數(shù)據(jù)）和集成（從不同數(shù)據(jù)源提取數(shù)據(jù)）；
2、數(shù)據(jù)選擇和變換（提取任務(wù)相關(guān)數(shù)據(jù)，根據(jù)需要轉(zhuǎn)換成統(tǒng)一的、適合挖掘的形式）；
3、數(shù)據(jù)挖掘（使用合適的算法，在有效的時(shí)間內(nèi)完成）；
4、模式評(píng)估（根據(jù)某種興趣度量，識(shí)別表示知識(shí)的真正有趣的模式）；
5、數(shù)據(jù)挖掘結(jié)論的表示(使用可視化和知識(shí)表示技術(shù)，向用戶提供挖掘的知識(shí))。