第1章 绪论

数据挖掘是在大型数据存储库中，自动地发现有用信息的过程。

数据挖掘是数据库中知识发现（knowledeg discovery in database,KDD）不可缺少的一部分，而KDD是将未加工的数据转换为有用信息的整个过程。

KDD：输入数据→数据预处理→数据挖掘→后处理→信息

数据挖掘任务分为下面两个大类：

预测任务：这些任务的目标是根据其他属性的值，预测特定属性的值。被预测的属性一般称目标变量（target variable）或因变量（dependent variable），而用来做预测的属性称说明变量（explanatory variable）或自变量（independent variable）。

描述任务：其目标是导出概括数据中潜在联系的模式（相关、趋势、聚类、轨迹和异常）。本质上，描述性数据挖掘任务通常是探查性的，并且常常需要后处理技术验证和解释结果。

四种主要的数据挖掘任务：

预测建模（predictive modeling）：涉及以说明变量函数的方式为目标变量建立模型。有两类预测建模任务：分类（classification），用于预测离散的目标变量；回归（regression），用于预测连续的目标变量。

关联分析（association analysis）：用来发现描述数据强关联特征的模式。

聚类分析（cluster analysis）：旨在发现紧密相关的观测值组群，使得与属于不同簇的观测值相比，属于同一簇的观测值相互之间尽可能类似 。

异常检测（anomaly detection）：识别其特征显著不同于其他数据的观测值。这样的观测值称为异常点（anomaly）或离群点（outlier）。