数据挖掘关键技术

• 人工智能

• 机器学习

• 模式识别

• 统计学

• 数据库

• 可视化技术

数据挖掘主要步骤

1. 数据准备

2. 规律寻找

3. 规律表示

数据挖掘发展历史及各阶段的主要算法简介

<20世纪70年代

• 人工智能

• 知识发现

• 稳健统计

• 描述统计

• 探索性分析
  

70~80年代

• 广义线性模型

  研究响应值的非正态分布以及非线性模型的线性转化

• EM算法

  从非完整数据集中对参数进行MLE估计；

  应用：处理缺失数据、截尾数据、带有噪声等的不完整数据

80年代~

• 支持向量机SVM算法

  应用：小样本、非线性及高维模式识别，函数拟合

• 神经网络

• Bootstrap

  在已知数据的基础上，模拟N->无穷大时的情况；

  通过重抽样的方法扩充数据量

• 核光滑

  非参数领域

未来发展

• 算法效率和可伸缩性

• 处理不同类型的数据和数据源

• Web挖掘

• 数据挖掘中的信息保护和数据安全

• 数据挖掘系统的交互性

• 探索新的应用领域

• 数据挖掘语言或相关方面的标准化工作

• 数据挖掘结果的可用性、确定性及可表达性

• 各种数据挖掘结果的表达

• 可视化数据挖掘

参考文献

《数据挖掘算法原理与实现》王振武