weixin_39676449的博客

一.为什么要进行数据挖掘：1.迈向信息时代：信息时代 = 数据时代数据挖掘把大型数据集转换成知识2.数据挖掘是信息技术的进化：（1）数据仓库： 这是一种多个异构数据源在单个站点以统一的模式组织的存储，以支持管理决策，一种数据存储结构，用于长期存储数据的仓库（2）数据仓库技术：包括数据清理、数据集成和联机分析处理（OLAP）（3）OLAP联机分析处理：一种分析技术，具有汇总、合并和聚集...

一.数据对象与属性类型：数据库中的行对应数据对象，而列对应于属性。1.属性定义：一个数据字段，表示数据对象的一个特征。标称、二元和序数属性都是定性的，即它们描述对象的特征。而不给出实际大小或数量2.标称属性：标称属性的值是一些符号或事物的名称，每个值代表某种类别、编码或状态，看做是分类的比如头发颜色hair_hair和婚姻状况marital_status3.二元属性（布尔属性）：...

一.数据仓库的基本概念：1.什么是数据仓库：（1）数据仓库是一种数据库，它与单位的操作数据库分别维护，数据仓库系统允许将各种应用系统集成在一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持（2）数据仓库的四个主要特征：面向主题的、集成的、时变的、非易失的（3）数据仓库是一种语义上一致的数据存储，它充当决策支持数据模型的物理实现，并存放企业战略决策所需要的信息；数据仓库也被看做...

一.数据预处理概述：1.数据质量涉及的六个因素：（1）准确性（2）完整性（3）一致性（4）时效性（5）可信性：反映有多少数据是用户信赖的（6）可解释性：反映数据是否容易理解2.数据预处理原因：改进数据质量，有助于提高其后的挖掘过程的准确率和效率，是知识发现过程的重要步骤3.数据预处理的主要步骤：（1）数据清理：数据清理例程通过填写缺失的值，光滑噪声数据，识别或删除离群点，并解...