3、数据挖掘：概念、应用与挑战

数据挖掘：概念、应用与挑战

1. 数据挖掘的定义

数据挖掘，简单来说，是从大量数据中提取或“挖掘”知识的过程。实际上，“数据挖掘”这个术语并不准确，更恰当的名称应该是“从数据中挖掘知识”，但这个表述过长。“知识挖掘”虽然简洁，却未能突出从大量数据中挖掘的特点。不过，“挖掘”一词生动地描绘了从大量原材料中找到少量珍贵信息的过程，因此“数据挖掘”这一术语被广泛使用。

与数据挖掘含义相近或略有不同的术语还有很多，如从数据中挖掘知识、知识提取、数据/模式分析、数据考古和数据探索等。很多人将数据挖掘与“知识发现（KDD）”视为同义词，也有人认为数据挖掘只是知识发现过程中的一个关键步骤。

知识发现过程是一个迭代的序列，包含以下步骤：
1. 数据清洗 ：去除噪声和不一致的数据。
2. 数据集成 ：可能会合并多个数据源。
3. 数据选择 ：从数据库中检索与分析任务相关的数据。
4. 数据转换 ：通过执行汇总或聚合操作等，将数据转换或整合为适合挖掘的形式。
5. 数据挖掘 ：应用智能方法提取数据模式的关键过程。
6. 模式评估 ：根据某些有趣性度量，识别真正代表知识的有趣模式。
7. 知识呈现 ：使用可视化和知识表示技术将挖掘到的知识呈现给用户。

步骤 1 到 4 属于不同形式的数据预处理，为挖掘做准备。数据挖掘步骤可能与用户或知识库进行交互，有趣