Data Mining = Knowledge Discovery from Data = KDD
(Data Mining is the process of discovering interesting patterns and knowledge from large amounts of data)
KDD的步骤：
一些名词：
A data warehouse is a repository of information collected from multiple sources, stored under a unified schema, and usually residing at a single site. Data warehouses are constructed via a process of data cleaning, data integration, data transformation, data loading, and peri- odic data refreshing.
A Data warehouse is uaually modeled by a multidimensional data structure, called a data cube, in which each dimension corresponds to an attribute in the schema, and each cell stores the value of some aggregate measure. A data cube provides a multidimensional view of data and allows the precomputation and fast access of summarized data.
OLAP: Online Analytical Process
Examples of OLAP Operations: drill-down and roll-up.
这里，所谓的下钻和上卷，也就是降尺度和升尺度的概念，所谓的数据仓库，也就是数据的多维多尺度存储形式。
A transaction typically includes a unique transaction identity number and a list of the items making up the trasaction.
eg: 一次购买记录中有a、b、c、d这四种物品，则a、b、c、d分别是一个item，他们构成了这次购买的这一个transaction
事务数据可以在关系数据库中表达
如时序数据、空间数据、媒体数据、超文本数据、文本数据等等。
特征化/区分主要用于类/概念描述（Class/Concept Description）
所谓特征化，就是目标类数据的一般特性或特征的汇总，即指定所需要研究的类（target class）的属性；所谓区分，就是将目标类与一个或者多个可比较类（contrasting class）进行比较，即不同类别数据之间的对比。
频繁模式：数据中频繁出现的模式；关联：各类数据之间是否有关联；相关性：对关联程度的一种度量。可见，三者之间是一种递进的关系，即如果存在某种频繁模式，则数据之间可能存在关联，如果数据样本满足最小支持度阈值（minimum sipport threshold）和最小置信度阈值（minimum confidence threshold），则可以用相关性来评估这种关联的程度。
需要训练样本；用于预测。
聚类分析数据对象，不需要训练样本，不考虑所分的类别是什么。
在一般情况下，离群点（与一般模型不一致的数据点）被当作异常或噪声被抛弃；在某些情况下（如欺诈检测），离群点可能更有价值，可以利用离群点进行异常挖掘。
条件：①便于理解；②在某一级别的置信度上对新的数据有效；③潜在有用；④新颖。
涉及数据挖掘算法的完全性（completeness），挖掘出所有可能的模式是不现实的，通常需要根据用户提供的约束和兴趣度度量进行聚焦。
涉及算法优化的问题。
主要就是统计学，以及机器学习、深度学习相关的算法。
应用广泛，如商业智能（BI）和Web搜索引擎（其是一种专门的计算机服务器，在Web上搜索信息，用户搜索查询的结果本质上就是由网页、图片等组成的一张表，Web搜索引擎的本质就是大型数据挖掘应用，通常需要处理在线数据）。