3、数据挖掘常见问题解答与技术探讨

数据挖掘常见问题解答与技术探讨

一、数据挖掘概述

数据挖掘从概念上讲，可以被视为数据科学家工具包中的一项技能或一组应用。具体而言，数据挖掘是在大型、复杂数据集中寻找模式的活动，它通常强调算法技术，但也可能涉及任何相关的技能、应用或方法。在美国英语的口语中，数据挖掘和数据收集常被互换使用，但二者的主要区别在于目的性。

二、常见问题及解答

2.1 K - Means聚类处理混合数值和分类数据

有用户提问，其数据集包含多个数值属性和一个分类属性，使用Octave的默认k - means聚类算法（仅适用于数值数据）时，将分类属性拆分为三个数值（二进制）变量是否正确。
- 标准k - means算法局限性 ：标准k - means算法不适用于分类数据，因为分类数据的样本空间是离散的，没有自然原点，欧几里得距离函数在这样的空间中没有实际意义。
- 替代算法 ：
- k - modes ：由Zhexue Huang提出，适用于分类数据，但解决方案对初始条件敏感。
- k - protoypes ：适用于包含分类和数值特征的混合数据，使用混合汉明距离（用于分类特征）和欧几里得距离（用于数值特征）的距离度量。
- 其他方法 ：将分类属性转换为二进制值再进行k - means的方法之前也有人尝试过，但k - modes方法因上述原因更受青睐。另外，R语言中的Gower距离也可用于处理聚类中的分类数据。

2.2 对存