Question

本章主要根据数据挖掘的应用分类，重点介绍了对应的数据挖掘建模方法及实现过程。通过对本章的学习，可在以后的数据挖掘过程中采用适当的算法，并按所陈述的步骤实现综合应用，希望本章能给读者一些启发，思考如何改进或创造更好的挖掘算法。

归纳起来，数据挖掘技术的基本任务主要体现在分类与预测、聚类、关联规则、时序模式、离群点检测5个方面。5.1节主要介绍了决策树和人工神经网络两个分类模型、回归分析预测模型及其实现过程；5.2节主要介绍了K-Means聚类算法，建立分类方法按照接近程度对观测对象给出合理的分类并解释类与类之间的区别；5.3节主要介绍了Apriori算法，以在一个数据集中找出各项之间的关系；5.4节从序列的平稳性和非平稳型出发，在平稳时间序列中主要介绍了ARMA模型，在差分平稳序列中介绍了ARIMA模型，应用这两个模型对相应的时间序列进行研究，找寻变化发展的规律，预测将来的走势；5.5节主要介绍了基于模型和离群点的检测方法，是发现与大部分对象显著不同的对象。

前5章是数据挖掘必备的原理知识，为本书后面章节的案例理解和实验操作奠定了理论基础。