【 写在前面】
本科期间，数据挖掘算法学过一些，甚至本人的毕业设计也是围绕此展开的，但是显然学得太皮毛，今天偶然读到《数据挖掘•概念与技术》这本书，有所收获特此记录。
什么是数据挖掘
个人理解： 数据挖掘就是在海量的数据中发现知识或者说是提取数据模式。【为实现知识发现的这个目标，我们可能会做以下工作：数据预处理、利用机器学习发现模式、模式评估、知识表示（例如数据可视化）等。】
个人评价： 事实上，在这个过程中涉及到了很多的技术，如下图所示：
为何进行模式评估
- 因为并不是所有的模式都是有趣的。
- 期望数据挖掘系统产生所有可能的模式通常是不现实和低效的。
- 数据挖掘系统产生的模式也不一定都有趣。
如何进行模式评估
- 大部分的关联规则挖掘算法都使用支持度-置信度框架。而且当使用低支持度阈值挖掘或挖掘长模式时，会产生一些用户不感兴趣的规则，这也是关联规则挖掘成功应用的主要瓶颈之一。
- 由此，人们提出了其他度量，如：提升度、X2
数据挖掘的发展趋势
- 有效的数据挖掘方法、系统和服务的开发、交互的和集成的数据挖掘环境的构建是关键的研究领域。
- 另外，数据挖掘也会应用到越来越多的领域，如：生物学、生物医学、软件工程、信息物理等。