数据挖掘01-概论教材课程.pptVIP

* SAS Enterprise Miner * SPSS Clementine 以PMML(Predictive Model Markup Language)的格式提供与预测模型系统的接口 * DBMiner WEKAWaikato Environment for Knowledge Analysis 免费/非商业化 公开的数据挖掘工作平台 数据预处理 分类 回归 聚类 关联规则 * WEKA * WEKA WEKAWaikato Environment for Knowledge Analysis 区域1：挖掘任务面板 区域2：常用按钮 区域3：数据筛选或者数据变换 区域4：数据集的基本情况 区域5：数据集的所有属性 区域6：区域5中选中属性的摘要 区域7：区域5中选中属性的直方图 区域8：状态栏 * * * * * * * * 意大利，超市 37家连锁店，75天的会员消费记录 467200余条记录，涉及5000多类商品 选出最常购买的20多个商品, 46万多相关记录 * 意大利，超市 37家连锁店，75天的会员消费记录 467200余条记录，涉及5000多类商品 选出最常购买的20多个商品, 46万多相关记录 * * * * * * * * * * * * * * * 生物医学数据挖掘Biomedical Data Mining 上海交通大学医学院 生物信息学平台 龚著琳 * 课程简介 课程目的 教学要求 教学方法 * 课程简介 教学参考书 生物医学数据挖掘，上海科学技术出版社 Intorduction to Data Mining. 人民邮电出版社. Pangning Tan, Michael Steinbach. 2006 Data Mining: Concepts and Techniques (Second Edition). 机械工业出版社, Jiawei Han, Micheline Kamber著. 范明, 孟小峰 等译. 2007 相关网站或期刊 * 次 内容 一 数据挖掘概论 二 数据采集与准备 三 数据预处理 四 回归1 五 回归2 六 分类1 七 分类2 八 聚类分析/关联规则 九 综合应用报告 十 考试 教学安排 * 课程简介 课程评价、考核 综合应用报告：30分 书面考试：开卷 70分 * 一、什么是数据挖掘 背景 * 进化阶段 商业问题 特点 数据搜集(60年代) 过去五年中我的总收入是多少？ 提供历史性的、静态的数据信息 数据访问(80年代) 在北京的分部去年三月的销售额是多少？ 在记录级提供历史性的、动态数据信息 数据仓库 决策支持(90年代) 在北京的分部去年三月的销售额是多少？上海据此可得出什么结论？ 在各种层次上提供回溯的、动态的数据信息 数据挖掘（正在流行） 下个月上海的销售会怎么样？为什么？ 提供预测性的信息 从商业数据到商业信息的进化 * 实例 案例1：购物篮分析（关联规则） 超市 案例2：客户信用评价 银行放贷 * 案例3：致病相对危险因子评价 哪类患者服用ACEI会引起血管性水肿？ 案例4：大规模临床调查 危险因素与心肌梗死的关系 案例5：胃癌患者手术治疗的预后分析 * 归纳 需求的迫切性 实施的可行性 * 定义 1995年在加拿大蒙特利尔召开学术会议 1997年《 Knowledge Discovery and Data Mining 》：该领域第一本学术刊物 数据挖掘（Data Mining）： 从大量的数据中，提取隐含在其中的、有用的信息和知识的过程。 一、什么是数据挖掘 * 数据挖掘 数据库技术 统计学 其他学科（医学） 信息科学 机器学习 可视化 和相关学科关系 * 和相关学科关系 数据库管理系统（DBMS） 统计学 * 数据挖掘与医学 课程属于方法论 生物医学数据的特殊性 生物医学人员的作用 * 第一章 概论 一、什么是数据挖掘 二、数据挖掘的过程 三、数据挖掘方法的分类 四、数据挖掘性能评价 * 二、数据挖掘的过程 * 二、数据挖掘的过程 明确目的 确定目标才能得到正确的结果 采集和组织数据（第二章） 既有的－数据库 数据预处理 控制数据质量 * 二、数据挖掘的过程 建立模型（第三～八章） 表达现象的规律 评价解释 评价模型的性能 应用 直接应用 间接应用 * 第一章 概论 一、什么是数据挖掘 二、数据挖掘的过程 三、数据挖掘方法的分类 预测型 描述型 四、数据挖掘性能评价 * 特点：预测 有指导（监督）学习 特征间存在因果关系 方法 回归分析（线性回归、神经网络、回归树、…） 分类(决策树、粗糙集、模糊集、…） 时间序列 …… 例：P3 预测型数据挖掘 * 特点：描述现状，