传统数据挖掘技术小结

         数据分析或者挖掘到底在做什么？认为分析是为了定性地、概括地从庞大的数据中找到规律，找到数据挖掘的方向。就像解数学题之前要对题目进行定性，简单的推演以找到解决数学问题的思路。
 
         数据挖掘是从庞大的信息源中获得知识【1】的过程。数据挖掘是为了得到目标结果而使用的方法，手段。有一些比较成熟的数据挖掘算法。如，决策树算法【2】，神经网络算法【2】，支持向量机【3】，线性回归等。其中决策树算法时间复杂度最低，应该是最常用的挖掘算法。
 
         知识的挖掘离不开信息源。未经处理的信息往往带有很大的噪声。因此必须要对原始信息进行处理。这也就是所谓的数据清洗，属于数据预处理模块。
         经过处理后的数据更加干净，准确，简化。可以更好地为挖掘使用。从而减少了数据挖掘算法模块的数据处理量，提高了挖掘的效率和知识发现的起点，准确度。
 
         经过数据预处理模块之后便可以进入到挖掘算法模块了。再经过某种方法将数据处理之后便可以得到一定的模式或规则。但是这时得到的模式并不是最终的知识，因为模式有可能是冗余的、无效的，甚至是错误的。这就需要做进一步处理。
 
得到无误的模式之后，还需要对模式解释表达，使用户能够理解，进而能够做出评估判断。这就是信息展示要做的工作。此时要借助一些可视化技术和传统的知识表达技术，这样可以更加形象，直观地表出挖掘的结果。
总而言之，数据挖掘得到知识的过程是：
1、  得到预处理的数据；
2、  数据挖掘算法（分类处理数据）得到模式或者规则；
3、  模式形象地展示出来。