数据挖掘组件化总结

上课老师讲的还是对理解算法很有帮助

1 任务（1 频繁模型模式 （频繁模式+异常点）2描述性建模（全体点）聚类  3   预测性建模（单点）分类（概念性数据）+回归（数值型数据））

2 要得到的模型模式结构（ 1线性回归模型2层次聚类项模型3频繁序列模型 。 集合 ，序列，决策树，图）

3评价函数(似然，误差，准确率，召回率，置信度，可信度，信息熵，基尼系数)

4搜索+优化方法（搜索从模式族里选取最佳模型（1贪婪2分枝界定3宽度深度优先遍历）优化基于模型发现最优参数（1梯度下降2EM期望最大化3最小二乘法4爬山法））

5 数据组织和管理（1分块（分治）2 压缩（时间换空间）3索引（空间换时间）4hash既包含压缩又有索引意味）