什么是数据挖掘？论文中常用的有哪些算法？

数据挖掘是从数据中挖掘知识或获取信息、探究数据之间关系的过程，也被很多人视为数据中的知识发现（KDD）的同义词。 具体介绍如下：

从知识获取角度：
算法学到知识而人未学到（用于预测）：例如神经网络、感知机、深度学习等算法。人们把数据输入算法，它能自动输出结果，但算法运行的具体过程和步骤人们无法明确知晓，算法自身学到了用于预测的知识，而人未直接获取这些知识。
算法和人都能学到知识（用于发现知识）：如线性回归、聚类算法、关联规则等。以线性回归为例，人们可以构建线性回归方程，输入自变量后因变量随之输出，还能根据系数判断变量之间的相互关系；聚类算法一开始数据类别未知，算法帮助分类后，人们可以观察结果判断每个类别的特征；关联规则是基于概率的，人们也能从中发现数据间的关联知识。
从通俗理解角度：数据挖掘就是从数据中获取信息，探究数据之间的关系，可构建算法解决问题做预测，也可在构建算法解决问题的同时对算法内部进行解释。

论文中常用的数据挖掘算法分类及具体算法如下：

根据是否需要因变量分类：
有监督学习：需要有因变量，即已经知道结果用什么变量表示。
回归：因变量为连续变量，如线性回归，用回归方程来预测，基于回归主要分为逻辑回归和正则化方法两种。
分类：因变量为离散变量，如基于划分的决策树（ID3、C4.5、CART）、集成算法（随机森林、Boosting）、感知机、K - 近邻算法，基于概率的朴素贝叶斯分类（贝叶斯算法）。
无监督学习：不需要因变量，如聚类算法，一开始没有设定划类依据，最后分出类别后再看种类属性。
根据本质分类：
线性算法：在数据挖掘这个高维研究中，能在空间中构建一个超平面。
非线性算法：与线性算法相对，在空间中难以构建超平面。
根据算法的来源分类：
基于回归：主要分为逻辑回归和正则化方法两种，都是用回归方程来预测的方法，且基于回归的所有算法都是有监督算法。
基于划分：是平时人脑中分类的模式进行举例，包含决策树（ID3、C4.5、CART）、集成算法（随机森林、Boosting）等。
基于概率：利用概率论不同的几个公式衍生的算法，如朴素贝叶斯分类（贝叶斯算法）。

热门标签