数据挖掘的基本流程

3

）数据规约：如果执行多数的数据挖掘算法，即使是在少量数据上也需 要很长的时间，而做商业运

营数据挖掘时数据量往往非常大。数据规约技术可以用来得到 数据集的规约表示，它小得多，但仍然接近

于保持原数据的完整性，并且规约后执行数据 挖掘结果与规约前执行结果相同或几乎相同。

步骤

4

）

数据清理：

在数据库中的数据有一些是不完整的

（有些感兴趣的属性缺少属性值）

、

含噪声的

（包

含错误的属性值），并且是不一致的（同样的信息不同的表示方式），因此需要进行数据清理，将完整、

正确、一致的数据信息存入数据仓库中。不然，挖掘的结果会差强人意。

步骤（

5

）数据变换：通过平滑聚 集、数据概化、规范化等方式将数据转换成适用于数据挖掘的形式。对于

有些实数型数据 ，通过概念分层和数据的离散化来转换数据也是重要的一步。

步骤（

6

）数据挖掘过程：根据数据仓库中的数据信息，选择合 适的分析工具，应用统计方法、事例推理、

决策树、规则推理、模糊集，甚至神经网络、 遗传算法的方法处理信息，得出有用的分析信息。

步骤（

7

）模式评估：从商业角度，由行业专家来验证数据挖掘结果的正确 性。

步骤（

8

）知识表示：将数据挖掘所得到的分析信息以可视化的方式呈现给用户，或作为新的知识存放在知

识库中，供其他应用程序使用。