数据挖掘技术

RxitRose

于 2004-10-13 09:55:00 发布

阅读量5.6k

点赞数

CC 4.0 BY-SA版权

文章标签：数据挖掘数据库数据分析网络数据仓库任务

本文链接：https://blog.youkuaiyun.com/RxitRose/article/details/134446

本文深入探讨了数据挖掘中的关键任务，包括数据总结、分类发现、聚类和关联规则发现。数据总结通过多维数据分析和面向属性的归纳方法实现数据浓缩和泛化；分类学习使用统计、机器学习和神经网络方法构建分类模型；聚类分析涵盖统计、机器学习和神经网络的聚类技术；关联规则发现则关注事务数据中的购买行为模式，为商业决策提供有价值的信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据挖掘技术

____数据挖掘涉及的学科领域和方法很多,有多种分类法。根据开采任务分,可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等;根据开采对象分,有关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库以及环球网Web;根据开采方法分,可粗分为:机器学习方法、统计方法、神经网络方法和数据库方法。机器学习中,可细分为:归纳学习方法(决策树、规则归纳等)、基于范例学习、遗传算法等。统计方法中,可细分为:回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)等。神经网络方法中,可细分为:前向神经网络(BP算法等)、自组织神经网络(自组织特征映射、竞争学习等)等。数据库方法主要是多维数据分析或OLAP 方法,另外还有面向属性的归纳方法。

____本文将主要从开