前言：學習資料的來源均出自，《圖解機器學習》－杉山將，中國工信出版集團。《資料探勘導論》－戴紅，清華大學出版書，資料探勘演算法原理與實現。

筆者自述：不知道什麼時候就開始有想學習資料探勘這一塊的知識，但是卻從來都沒有過開始。直到幾天前，突然鬼使神差的去了圖書館，找了基本資料探勘方面的書籍。當讀完導論的時候，發現自己已經不能自給，深深的愛上了這個領域的東西。由於已經好久沒接觸計算機方面的知識了，現在又是一次挑戰，我相信我可以的，希望廣大走在奮鬥道路上的朋友一同加油。我們揚帆起航，駛向遠方。當然還有另外一個原因，那就是，因為本人今年大四，可能繼續攻讀研究生，但是不想把時間浪費在大四這一年無所事事的生活中，於是下定決心去找一份實習，雖然發了很多簡歷，但是基本上都是被拒了，所以堅定了我想好好學習一門技術的原因。

今天只是一個開始，資料探勘這個領域的知識很多，以後我會不定時的釋出自己的學習程序，與君共勉，我們一同加油，這麼做的目的不是想怎麼怎麼樣，只是想大家能很好的監督我。我們一起前進。我們都不是神的孩子，我們都是有夢的孩子。

         今天我們來談談，資料探勘的入門，資料探勘這門技術很深奧，我們以後會慢慢給出。

一、資料探勘的簡單介紹

         首先明確一個概念，資料探勘不是簡單的資料處理，他會用到資料庫知識，機器學習知識，統計學知識等等。就好比你想追一個你不太熟悉的女孩子，你想知道，她喜歡什麼樣子的食物，喜歡什麼型別的電影、音樂，什麼樣子的性格等等，那麼你又不好意思直接詢問，於是，你就開啟她的朋友圈，微博，qq等一系列的社交工具。從這裡邊選取有用的資訊進行使用，來判別她是什麼型別的姑娘，平時喜歡做一些什麼，所以學好資料探勘，可以使我們能迅速瞭解一個姑娘，找到女朋友，結束這麼多年的單身狀態。所以這也是我學習資料探勘的一個原因。

二、機器學習

         機器學習（Machine Learning，ML）是模擬人類的學習方法來解決計算機獲取知識問題的方法。我看了很多本關於機器學習的資料，發現裡邊對於機器學習的分類大體一致，我們這裡採用《圖解機器學習》裡的分類，機器學習按照資料種類的不同，可以分為以下三類，監督學習，非監督學習，強化學習。

表格中的技術和應用我給自己定下的目標就是都進行訓練。

         接下來就是幾種演算法的形象化解釋和理解

迴歸：把實函式在樣本點附近加以近似的有監督的函式近似問題。

分類：指對於指定的模式進行識別的有監督的模式識別問題。

異常檢測：輸入樣本點中包含異常資料的問題。

聚類：與分類問題相同，也是模式識別問題。

降維：從高緯度的資料中提取關鍵資訊，將其轉換為易於計算的低維度問題進而求解的方法。

         學習模型而是分為以下三種，線性模型，核模型，層級模型。

三、資料探勘的過程

         資料探勘的過程說的簡單一點就是，從一堆資料中，通過一些演算法，限定的條件，找到你需要的資料的過程，那麼，資料來自什麼地方，面對大量的資料它們存貯在什麼地方，他們的資料型別是什麼樣子的，使用什麼樣的演算法才是最準確的，才能得到我們想要的結果呢，又怎麼進行資料模型的檢測呢，那當所有的一些都完事了，這個模型又有什麼應用呢？所有的一些，你是不是很迫不及待的想要去了解了呢？下面畫一個流程示意圖：

資料探勘技術的選擇至關重要：以下十點需參考，

1判斷這個特定問題是否需要監督，是否需要進行關聯分析。

2不同的資料探勘技術對資料集中的屬性之間的相關程度有不同的適應性。

3不同的資料探勘技術對資料型別本身很敏感，明確輸入屬性是分類的，還是數值的，還是混合的，輸出的型別是分類的還是數值的。

4針對資料本身，還應該瞭解資料的分佈，比如統計技術則事先假設資料是正太分佈的。這種假設是否與實際相等，是在採取統計技術前考慮。

5針對資料本身，還應該瞭解屬性對於分類的預測能力。

6對於資料集中存在噪聲資料和缺失資料的考慮。

7如果學習是有指導的，判斷有一個輸出屬性還是多個輸出屬性。

8對所學的知識的解釋能力往往也在選擇某種技術建模時需要考慮到的內容。

9在選擇挖掘技術時是否有時間上的考慮。

10選擇機器學習技術還是統計技術的一些考慮。

綜上所述，可以進行多選擇不同的演算法，來得出最好的資料結果。

四、資料探勘的發展

         資料探勘的發展主要是分為四大類，其中包括：web挖掘，空間資料探勘，流資料探勘，資料探勘與視覺化技術，在這裡邊我認為最重要的技術就是流挖掘技術。之後的學習會有詳細的學習筆記。

1 web資料探勘

web資料探勘

   以上的具體應用會在後邊的學習中給出。

         我們瞭解了web在那幾個方面進行資料探勘，那麼接下來就是我們挖掘的資料從何而來呢？

資料來源

         接下來我們說完了資料來源，但是海量資料中，總有你想獲得資料，那麼多量的資料我們可以稱為知識，那麼知識本身是不是也應該有一定的分類呢？下面是對於知識的分類結構

         隱形知識：非結構化的形式，例如：留言，社群，日誌，博文。

         顯性知識：結構化特性，例如：標籤，評分和使用者資料。

         衍生知識：搜尋，聚類和文字挖掘。

以上就是web資料探勘的淺談，深入的理解和例子，還要進一步學習。

2 空間資料探勘

         空間資料是人們藉以認識自然和改造自然的重要資料，空間資料庫中包含空間資料和非空間資料

         空間資料的特點：

（1）      資料來源十分豐富，資料量非常大，資料型別多，存取方法複雜。

（2）      涉及領域十分廣泛，凡與空間位置相關的資料，都可進行挖掘。

（3）      挖掘方法和演算法非常多，大多數演算法比較複雜，難度大。

（4）      知識的表達方式多樣，對知識的理解和評判依賴人對客觀世界的認知程度。

         接下來介紹空間資料探勘的方法：

3 流資料探勘

         傳統的資料管理系統，只能用於處理永久的資料和進行瞬時的查詢。

流資料

4 資料探勘與視覺化技術

         視覺化將資料、程式、複雜系統的結構及動態行為用圖形，影象，動畫等視覺化的形式表示。本質上：將抽象資料到可視結構的對映。

視覺化技術

         以上的知識內容只是淺談資料探勘，那麼淺談系列還會持續更新。讀者有什麼意見，可以直接給我留言，並且想跟我一起幹掉資料探勘這門技術的，我們可以一起討論。