資料探勘

前面我們講個幾個題目，像是「資料爬蟲」、「資料前處理」、以及「資料視覺化」等等。接下來我想來談談關於資料科學中「分析」這一塊。一般分析的手法，主要來自幾種不同的領域：統計學、資料探勘、機器學習、探索性分析等等。

首先，從資料探勘這個議題開始。資料探勘是從原文的 Data Mining，其主要的意涵是 Mining From Data，從資料中挖掘金礦。另外，KDD（Knowledge-Discovery in Databases） 是資料探勘的另外一個常見的同義詞。

Data Mining 是在 20 世紀 90 年從資料庫領域發展而來的，所以一開始通常是用 KDD 這個名稱。知名的學術論壇也叫做 SIGKDD 。 在第一屆 SIGKDD Conference 討論這個儀提，是要沿用 KDD 還是改名為 Data Mining？ 最終決定這兩個名字都被保留，KDD 有其科學研究上的含義，而 Data Mining 的直白也適合用在產業界上。

• Data Collection (1960s)
• Database (1970s)
• Data Access (1980s)
• Data Warehousing (1990s)
• Data Mining (Today)

在資料探勘的聖經本教科書採用的是這樣的定義：

從大型資料庫中抽取具有意義之資訊或模式的過程。（Data Mining: Concepts and Techniques）

一般來說，是否意義可以分為兩個角度：

• 價值性：這個規則必須要有實務上的可用性，要能創造出效益。
• 隱藏性：泛指找出來的資訊不是顯而易見的，不能容易從資料觀察而來。

演算法

一般資料探勘主要分為三種方法：

• 分類分析（Classification）
• 群集分析（Clustering）
• 關聯分析（Association）

當然，隨著資料樣式的變化，也有許多進階的用法。像是，時間序列分析（Time Series Forecasting）或是順序型態分析（Sequential Pattern Analysis）。

Reference

1. 什么是数据挖掘？
2. 【硬塞科技字典】什麼是資料探勘（Data Mining）？
3. An Introduction to Data Mining
4. Data Mining: What is Data Mining?