第1页：第5章数据挖掘基础封面
- 第5章数据挖掘基础【教学目标与要求】
- 了解数据挖掘的产生背景与发展现状
- 理解数据挖掘的概念并掌握数据挖掘的过程
- 了解数据挖掘的典型应用领域及发展趋势
第2页：第5章内容目录
- 5.1数据挖掘的产生与发展
- 5.2数据挖掘的定义
- 5.3数据挖掘过程
- 5.4数据挖掘系统
- 5.5数据挖掘的功能和方法
- 5.6数据挖掘的典型应用领域
第3页：导入案例：数据挖掘与知识发现
- 1.背景材料
- 2.案例分析数据挖掘和知识发现是智能管理领域中的研究热点。数据挖掘是按照既定的业务目标，对大量的数据进行探索，揭示其中隐藏的规律性，并进一步将其模型化的先进、有效的大量数据进行处理与分析的方法。数据挖掘技术能够帮助决策者从海量数据中挖掘出隐藏着的规律性，以支持管理者及时做出正确而科学的经营管理决策。【导入案例】
第4页：数据挖掘的产生背景
如何从这些大量数据中发现有用的信息，如何理解已有的历史数据并用以预测未来的行为，变被动的数据为主动有价值的知识，指导企业和政府决策，获取更大的经济效益和更好的社会效益，这些都唤起了人们对数据进一步筛选、加工、挖掘其中所蕴涵知识的需求。数据挖掘(DataMining，DM)正是在这样的背景下而产生的。5.1数据挖掘的产生与发展
第5页：数据挖掘的技术基础
- 数据挖掘除了应用统计方法之外，还应用了大量计算机科学的技术，例如数据库技术和机器学习。
- 随着计算机技术的迅速发展，数据库技术为数据挖掘提供了良好的数据基础，对数据源的管理更加完备
- 机器学习技术，如神经网络、案例学习、决策树等，使人们不需要了解其内部复杂的原理，也可以通过这些方法获得良好的分析和预测效果；同时数据挖掘还从机器学习那里继承了实验的方式和态度，大大提高了数据挖掘技术的实用性和可信度5.1数据挖掘的产生与发展
第6页：数据挖掘的典型商业问题
数据挖掘广泛应用在交通、银行、电信、保险、零售等商业领域。数据挖掘所能解决的典型商业问题包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用记分、欺诈发现等5.1数据挖掘的产生与发展
第7页：数据挖掘的概念界定
- 数据挖掘
- 是个多学科交叉研究领域从技术角度来看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们不知道的、但又是潜在有用的信息和知识的过程。从商业角度来看，数据挖掘就是按企业的既定业务目标，对大量的企业数据进行探索和分析，以揭示隐藏的、未知的规律性并将其模式化，从而支持商业决策活动5.2数据挖掘的定义
第8页：数据挖掘过程
5.3数据挖掘过程（1）业务理解（2）数据理解（3）数据预处理（4）建立模型（5）模型评估和解释（6）实施与维护
第9页：数据挖掘系统的分类
5.4.1数据挖掘系统的分类（1）根据挖掘的数据库类型分类（2）根据挖掘的知识类型分类（3）根据挖掘方法分类（4）根据数据挖掘应用的分类
第10页：数据挖掘的功能和方法
- 一、数据挖掘的功能关联分析、概念描述、数据总结、分类分析、聚类分析、时间序列分析、偏差分析、建模等
- 二、数据挖掘的方法决策树方法、神经网络方法、粗糙集理论、Bayesian网络、可视化方法、生物智能算法等。有时对于某一数据库很有效的算法对另一数据库有可能完全无效，因此，针对具体的挖掘目标和应用对象而设计不同的算法。5.5数据挖掘的功能和方法
第11页：数据挖掘的典型应用领域
- 1.数据挖掘在人力资源管理中的应用1)数据挖掘在员工细分中的应用2)数据挖掘在员工保持中的应用3)数据挖掘在人员雇佣决策中的应用
- 2数据挖掘在客户关系管理（CRM）中的应用
- 3数据挖掘在银行领域的应用
- 4数据挖掘在信息安全中的应用
第12页：数据挖掘的学科交叉特征
- 数据挖掘
- 是一门综合性学科，一个多学科交叉的研究领域。它融合了数据库技术、人工智能、机器学习、统计学、知识工程、信息检索、高性能计算及数据可视化等许多学科的概念、理论、方法和技术。经过20年的研究和实践，数据挖掘已经吸收了许多学科的研究成果，成为独具特色的研究分支。5.7数据挖掘的发展趋势
第13页：数据挖掘的发展趋势
- 1）数据挖掘理论与算法的研究
- 2）复杂数据类型的挖掘问题
- 3）数据挖掘语言与数据挖掘的可视化
- 4）数据挖掘的性能问题
- 5）数据挖掘系统的构架
- 6）交互式数据挖掘技术
- 7）数据挖掘的私有性问题
- 8）数据挖掘中的不确定性问题
