《R语言数据挖掘》----1.2 数据源

本节书摘来自华章出版社《R语言数据挖掘》一书中的第1章，第1.2节，作者［哈萨克斯坦］贝特·麦克哈贝尔（Bater Makhabel），李洪成 许金炜 段力辉 译，更多章节内容可以访问“华章计算机”公众号查看。

1.2　数据源

数据充当数据挖掘系统的输入，因此数据存储库是非常重要的。在企业环境中，数据库和日志文件是常见来源；在网络数据挖掘中，网页是数据的来源；连续地从各种传感器中提取数据也是典型的数据源。

这里有一些免费的在线数据源十分有助于学习数据挖掘：

频繁项集挖掘数据存储库（Frequent Itemset Mining Dataset Repository）：一个带有数据集的存储库，用于找到频繁项集的方法（http://fimi.ua.ac.be/data/）。

UCI机器学习存储库（UCI Machine Learning Repository）：一个数据集的集合，适用于分类任务（http://archive.ics.uci.edu/ml/）。

statlib的数据及其描述库（The Data and Story Library at statlib）：DASL是一个在线库，它拥有说明基本统计方法用途的数据文件和故事。我们希望提供来自多主题的数据，这样统计学教师可以找到学生感兴趣的真实世界的例子。使用DASL强大的搜索引擎来查找感兴趣的故事和数据文件（http://lib.stat.cmu.edu/DASL/）。

词汇网（WordNet）：一个英语词汇数据库（http://wordnet.princeton.edu）。