读书频道 > 网站 > 网页设计 > 数据挖掘核心技术揭秘
1.1 数据挖掘的含义
15-11-10    下载编辑
收藏    我要投稿   

本文所属图书 > 数据挖掘核心技术揭秘

本书包括五部分内容。第一部分(第1~3章)涉及数据挖掘技术的基础知识,介绍数据挖掘的定义、数据挖掘工具及应用领域,数据挖掘的数学基础内容,以及海量数据挖掘处理技术。第二部分(第4~5章)分别从聚类技术立即去当当网订购

随着数据存储、数据处理技术的发展,人们迫切需要在各种各样的数据中提取出有用的信息。这种将未加工的数据转换为有用信息的过程通常称为知识发现(knowledge discovery in database,KDD)。

人们通常把KDD作为一种广义的数据挖掘,如图1-1所示。KDD的过程可以分为三部分,数据预处理、数据挖掘、数据后处理。数据预处理包括数据融合、数据清洗等;而数据后处理包括提供数据给决策支撑系统、数据可视化等;狭义的数据挖掘则可理解为对预处理完成的符合一定规格的数据,通过建立模型,转化成另一种更加精简且可以被用户读懂的数据。


 

早期的联机分析处理(On-Line Analytical Processing,OLAP)也可以理解为一种广义的数据挖掘。OLAP的出现要早于数据分析,同KDD一样,它也是从数据库中抽取有用信息的一种方法。OLAP利用现有数据库管理系统的查询、检索及报表功能,与多维分析、统计分析方法相结合,进行分析处理,从而得出可供决策参考的统计分析数据。

尽管KDD或OLAP都可以作为数据挖掘的广义说法,但是严格区分这些定义并没有太多的实际意义。本书将数据挖掘理解为广义的定义,将描述重点放在数据挖掘方法在实践中的应用。

数据挖掘对数据库类型基本上没有限制,适用于各种各样的数据库,比如关系型数据库、事务数据库、演绎数据库、时态数据库、面向对象数据库、空间数据库、文本型数据库等。而经过数据挖掘后获得的知识也是多种多样的,包括关联特征、分类特征、聚类特征、模式分析及趋势预测等。

虽然图像处理也属于数据挖掘的一种,但是由于图像处理已经发展成为一门单独的分支,所以本书不再描述图像处理的相关技术。本书的重点侧重于对离散数据的分析。

点击复制链接 与好友分享!回本站首页
分享到: 更多
您对本文章有什么意见或着疑问吗?请到论坛讨论您的关注和建议是我们前行的参考和动力  
上一篇:1.3 功能
下一篇:1.5 小结
相关文章
图文推荐
JavaScript网页动画设
1.9 响应式
1.8 登陆页式
1.7 主题式
排行
热门
文章
下载
读书

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训
版权所有: 红黑联盟--致力于做最好的IT技术学习网站