KDD过程 名词解释

A

C

A

KDD是一个多步骤的处理过程，一般分为问题定义、数据抽取、数据预处理、数据挖掘以及模式评估等基本阶段。⑴问题定义阶段的功能：和领域专家以及最终用户紧密协作，一方面了解相关领域的有关情况，熟悉背景知识，弄清用户需求，确定挖掘的目标等要求；另一方面通过对各种学习算法的对比进而确定可用的学习算法。⑵数据抽取阶段的功能：选取相应的源数据库，并根据要求从数据库中提取相关的数据。⑶数据预处理阶段的功能：对前一阶段抽取的数据进行再加工，检查数据的完整性及数据的一致性。⑷数据挖掘阶段的功能：运用选定的数据挖掘算法，从数据中提取出用户所需要的知识。⑸模式评估阶段的功能：将KDD系统发现的知识以用户能了解的方式呈现，并且根据需要进行知识评价。如果发现知识和用户挖掘目标不一致，则重复以上阶段以最终获得可用的知识。

(1） 把KDD看成数据挖捆的一个 特例。 这是早期比较流行的观点，在许多文献可以看到这种说法。 因此，从这个意义上说，数据挖掘就是从数据库、数据仓库以及其他数据存储方式中挖掘有用知识的过程。 这种描述强调了数据挖掘在掘数据形式上的多样性。(2）数据挖掘是KDD过程的一个步骤〈从狭义角度考虑）。 这种观点得到大多数学者认同，有它的合理性。 KDD是一个广义的范畴，它包括数据清洗、数据集成、数据选择、数据转换、数据挖掘、模式生成及评估等一系列步骤。 这样，可以把KDD看成是一些基本功能构件的系统化协同工作系统．而数据挖掘则是这个系统中的一个关键的部分。(3) KDD与 Data Mining 含义相同（从广义角度考虑）。 有些人认为，KDD与 Data Mining只是叫法不一样，它们的含义基本相同。 事实上，在现今的许多文献中，这两个术语仍然不加区分地使用着。 从上面的描述中可以看出，数据挖掘概念可以在不同的技术层面上来理解，但是其核心仍然是从数据中挖掘知识。 数据挖掘定义有广义和狭义之分。 从广义的观点上，数据挖掘是从 大型数据集中，挖掘隐含在其巾的、人们事先不知道的、对决策有用的知识的过程。 从狭义的观点上，可以定义数据挖掘是从 特定形式的数据集中提炼知识的过程。