基于用户特征的数据挖掘及其分析

《基于用户特征的数据挖掘及其分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于用户特征的数据挖掘及其分析2021/6/232为什么要数据挖掘?数据的爆炸性增长:从TB到PB数据收集和数据可用性自动的数据收集工具，数据库系统，视频系统，识别系统丰富数据的主要来源用户特征:行为、喜好、习惯、身份，年龄，性别，表情、手势…数据挖掘自动在大型数据中寻找预测性信息，自动预测趋势和行为行为，喜好，习惯趋势安全预警2021/6/233什么是数据挖掘?数据挖掘(从数据中发现知识)从海量数据中提取感兴趣(重要的,隐含的,以前未知的和潜在有用的)模式或知识数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可接受、可理解、

2、可运用数据挖掘是从数据中自动地抽取模式、关联、变化、异常和有意义的结构数据挖掘大部分的价值在于利用数据挖掘技术改善预测模型2021/6/234数据挖掘技术技术分类预言：用历史预测未来描述：了解数据中潜在的规律数据挖掘技术关联分析序列模式分类（预言）聚集异常检测2021/6/235数据挖掘系统结构数据仓库数据清理数据集成过滤数据库数据库或数据仓库服务器数据挖掘引擎模式评估图形用户界面知识库2021/6/236数据挖掘:多种技术的融合数据挖掘数据库技术统计学机器学习模式识别算法其他技术可视化2021/6/237数据挖掘流程系统的数据挖掘过程是一个不断循环、优

3、化的过程。2021/6/238用户特征挖掘2021/6/239预测/预警系统视频监控系统推荐系统数据获取数据预处理推荐模型配置训练决策生成决策平台智能算法插码智能分析（采集和推荐）采集在线行为轨迹定期更新导入内容数据推荐内容为您推荐的……历史推荐的……相似推荐的……预测/预警内容预测用户行为……预测用户习惯……提前预警……云计算平台用户特征挖掘2021/6/2310用户特征历史记录数据清理当前用户特征记录用户特征类型标注用户特征类型访问记录聚类分析用户群体聚类结果计算群体偏好数据采样群体对各用户特征类的偏好存储隶属关系数据清理模型合成模型构建用户特征挖掘

4、2021/6/2311待推荐内容用户内容偏好模型类型特征矢量标注类型模型匹配产生推荐列表排序用户喜好程度推荐列表模型应用用户特征挖掘2021/6/2312数据预处理原始数据不完整含观测噪声不一致包含其它不希望的成分数据预处理数据抽取数据清洗数据选择数据转换数据挖掘算法2021/6/2313数据挖掘验证驱动挖掘发现驱动挖掘SQLSQL生成器查询工具OLAP描述预测可视化聚类关联规则顺序关联汇总描述分类统计回归时间序列决策树神经网路2021/6/2314数据挖掘算法分类与预测不完整预测分类标号（或离散值）根据训练数据集和类标号属性，构建模型来分类现有数据，

5、并用来分类新数据建立连续函数值模型，比如预测空缺值建立一个模型，描述预定数据类集和概念集使用模型，对将来的或未知的对象进行分类训练数据集分类算法分类规则测试集未知数据聚类把一个给定的数据对象集合分成不同的簇聚类是一种无监督分类法:没有预先指定的类别聚类结果的好坏取决于该聚类方法采用的相似性评估方法以及该方法的具体实现聚类方法的好坏还取决与该方法是能发现某些还是所有的隐含模式相异度的计算2021/6/2315数据挖掘算法广义知识指类别特征的概括性描述知识。根据数据的微观特性发现其表征的、带有普遍性的、较高层次概念的知识，反映同类事物共同性质，是对数据的概括

6、、精炼和抽象关联知识反映一个事件和其他事件之间依赖或关联的知识分类知识反映同类事物共同性质的特征型知识和不同事物之间的差异型特征知识2021/6/2316数据挖掘知识库预测知识根据时间序列型数据，由历史的和当前的数据去推测未来的数据，也可以认为是以时间为关键属性的关联知识偏差型知识是对差异和极端特例的描述，揭示事物偏离常规的异常现象2021/6/2317数据挖掘知识库2021/6/2318谢谢大家！