同义词。或者,其他人将数据挖掘视为数据库中知识发现过程中的重要步骤。知识发现由以下步骤的迭代序列组成:Р•数据清理:删除噪音或不相关的数据,•数据集成:可以合并多个数据源,Р•数据选择:从数据库中检索与分析任务相关的数据,Р•数据转换:通过执行汇总或汇总操作将数据转换或合并为适合于采矿的形式,例如,Р•数据挖掘:为了提取数据模式而应用智能方法的基本过程,•模式评估:根据一些有趣度度量标识确定代表知识的真正有趣的模式,以及Р•知识表达:使用可视化和知识表示技术向用户展示开采知识。Р数据挖掘步骤可以与用户或知识库进行交互。有趣的模式呈现给用户,并且可以作为知识库中的新知识存储。请注意,根据这个观点,数据挖掘只是整个过程中的一个步骤,尽管它是一个重要的步骤,因为它揭示了隐藏的评估模式。Р我们同意数据挖掘是一个知识发现过程。然而,在工业界,媒体以及数据库研究环境中,“数据挖掘”这个术语比“数据库中的知识发现”这个较长期的术语更受欢迎。因此,在本书中,我们选择使用术语“数据挖掘”。我们采用广泛的数据挖掘功能:数据挖掘是从存储在数据库,数据仓库或其他信息库中的大量数据中发现有趣的知识的过程。Р基于这种观点,典型数据挖掘系统的体系结构可能具有以下主要组件:Р1.数据库,数据仓库或其他信息库。这是一个或一组数据库,数据仓库,电子表格或其他类型的信息存储库。可以对数据执行数据清理和数据集成技术。Р2.数据库或数据仓库服务器。数据库或数据仓库服务器负责根据用户的数据挖掘请求提取相关数据。Р3.知识库。这是用于指导搜索的领域知识,或评估所产生模式的趣味性。这些知识可以包括概念层次结构,用于将属性或属性值组织到不同的抽象层次。也可以包括诸如用户信念之类的知识,其可以用于基于其意外性来评估模式的有趣性。领域知识的其他示例是额外的感兴趣度约束或阈值,以及元数据(例如,描述来自多个不同来源的数据)。
全文预览
