一、数据挖掘算法简介
1. C4.5 (决策树分类)
2. K-means (K均值聚类)
3. Support Vector Machine(SVM) (支持向量机分类)
4. Apriori (关联规则挖掘)
5. EM (最大期望算法)
6. PageRank (链接分析)
7. Adaboost (集成算法)
8. KNN (K近邻分类)
9. Naive Bayes (朴素贝叶斯分类)
10. CART (分类和回归)
数据挖掘的步骤
(1)问题定义:定义要挖掘的目标和用户需求。
(2)数据提取:在确定数据挖掘任务后,根据要求从数据源中提取与挖掘任务相关的数据集。
(3)数据预处理:主要对数据预处理
(4)数据挖掘实施:选择合适的算法得到结果
(5)知识表示:将发现的知识以合理、科学的方法向用户展示。
(6)结果评估:对结果进行评估分析、发现某种规则、对结果进行优化
二、基于隐私保护的数据挖掘
隐私保护技术介绍
(1)基于数据失真(Distorting)的技术:使敏感数据失真但同时保持某些数据或者数据属性不变的方法。
(2)基于数据加密的技术:采用加密技术在数据挖掘过程中隐藏敏感数据的方法。
(3)基于限制发布的技术:根据具体情况有条件的发布数据。如不发布数据的某些域值,数据泛化等。
2.3.1 基于限制发布的技术
数据匿名化一般采用以下两种基本操作:
(1)抑制。抑制某种数据项,亦既不发布该数据项。
(2)泛化。泛化是对数据进行更概括、抽象的描述。
数据匿名化所处理的原始数据一般是多属性的,可分为以下三类:
(1)标识符。能唯一标识单一个体的属性。