数据挖掘与机器学习 1. 绪论

于高山之巅，方见大河奔涌；于群峰之上，便觉长风浩荡

                                                                      —— 24.3.24

一、数据挖掘和机器学习的定义

1.数据挖掘的狭义定义

背景：大数据时代——知识贫乏

数据挖掘的狭义定义：

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但是又潜在有用的信息或知识的过程

数据源必须是真实的、大量的、含噪声的

发现的是用户感兴趣的知识

发现的知识要可接受、可理解、可运用

并不要求发现放之四海而皆准地知识，仅支持特定的发现问题即可

从知识发现过程来看：可以把数据挖掘视为知识发现过程中的一个基本步骤，也就是数据分析环节

2.⭐Fayyad数据挖掘过程主要包含七个阶段：

①数据清理

②数据集成

③数据选择

④数据变换

⑤数据挖掘

⑥模式评估

⑦知识表示

3.数据挖掘和机器学习的定义

数据挖掘是一种深层次地数据分析方法，需要对涉及到地海量数据进行管理与分析

数据库领域的研究为数据挖掘提供数据管理技术，对于利用计算机对历史数据的分析，就是误码通常所说的机器学习

机器学习的定义：

机器学习是利用经验来改善计算机系统自身的性能，机器学习需要：

①通过数据分析建立模型

②利用算法对模型进行优化

③使计算机不断模拟人的学习行为来获取新的知识和技能，不断改善性能从而实现自我完善

机器学习方法构成地三元素：

①模型        ②策略        ③算法

可简单表示为：机器学习 = 模型＋策略 + 算法

模型是从数据中抽象用来描述客观世界的数学模型

机器学习的根本目的是构建一个模型来描述历史的数据规律，通过这个模型对未来进行预测

策略是选择模型的标准

假设空间往往包括多个模型，策略来确定哪一个模型是最好的

算法是指学习模型的具体计算方法，即在确定寻找最优模型的策略后，机器学习的问题归结于最优化问题，其优化算法是指求解模型参数最优解的算法

4.数据挖掘和机器学习、数据库的关系：