什么是数据挖掘_数据挖掘的任务_数据挖掘基础知识
数据挖掘入门，个人的感觉是，先学统计还是先学编程和相关的数据挖掘包，起点不同，思考方式会不同，但并不耽误做事，因为目的都是解决问题。

选择先了解统计的话，建议The Elements of Statistical Learning，配合R和Python。选择Python编程直接边做边学的话，看Scikit-Learn的Documentations，配合KDD的题目和数据，还有Andrew Ng的机器学习公开课，书的话，推荐Tom Mitchell的Machine Learning.

路径很多，资源很多，最重要是兴趣和保持专注，因为这个领域发展很快，竞争也越来越大，需要不断学习下去。要教机器学东西呢，自己都拎不清逻辑和路径，眼光不够远，就不好啦。


1什么是数据挖掘/分析
简单地说就是，在大型数据库中，自动发现有用信息的过程，加以分析。其中数据库中的知识发现是重要的环节，也就是人们说的KDD，knowledge discovery in database。

2KDD是什么
其实就是一个数据处理的过程，从输入数据开始，进行预处理工作，包括特征选择，维归约规范化和选择数据子集等等，随后进行分析和挖掘，再经过处理，例如模式过滤，可视化，模式表示等，最后形成可用信息的过程。

3数据挖掘要解决什么问题
具体的讲主要是以下几个，首先是数据的可伸缩性，提高或改变数据的可伸缩度。其次是解决数据高维性的问题。处理异种数据和复杂数据。解决数据所有权与分布问题。对非传统的分析进行合理处理。

4数据挖掘的任务
其实主要包括四个大块，可以独立运行，也可以联合操作，分别是聚类分析，预测建模，关联分析，异常检测。
聚类分析实用的技术包括K均值，凝聚层次聚类，dbscan，簇评估等，主要目的是通过基于原型，密度，图等的聚类，发现其间的关系。
预测建模则更多的是一种可视化角度分析方法，利用分类，回归等方法，来建立模型解决问题。
关联分析顾名思义，更多强调数据中的特征强关联，例如说过一万次的啤酒与尿布等。
异常检验则主要是识别不同于其他数据的具有显著特征值的数据。

5基础知识有什么
想学习数据挖掘，几个基础知识是必备。首先是线性代数，包括向量，矩阵等。否则你根本不会是用科学工具。其次是维归约，包括PCA，SVD等技术的使用。还有概率统计，回归方程，优化，也是必备知识。暂时写这么多，有时间再多说些。