数据挖掘笔记1

课程：清华大学-数据挖掘：理论与算法（国家级精品课）_哔哩哔哩_bilibili

一、Learning Resources

二、Data

• 数据是最底层的一种表现形式。
• 数据具有连续性。
• 从存储上来讲，数据分为逻辑上的和物理层的。
• 大数据：数据量大、产生速度快、数据种类多、

  

三、The Process of Data Mining 

四、clustering聚类

聚类：把一堆数据分为一组一组的（没有标签）

层次性聚类：

一个一个单独的elements/items，两两去聚。

五、 云计算

把服务器当作一种资源，随着访问需求变化，从云计算的服务商地方租，使利用率变高。

• Pay As You Go
• Software as a Service
• Platform as a Service
• Infrastructure as a Service

六、并行运算

把问题进行切分，分配到不同的处理器上。

七、

• 解决数据挖掘：想清楚数据之间到底有没有规律
• 看问题要全面，要从多个角度、多个维度思考，不能以偏概全。
• 注意：存在内在分组
• 不能忘记时间维度。
• 幸存者偏差问题：

样本可能存在偏差。