一、背景
大數據時代到來。數據得到了極大豐富，但是知識卻極其匱乏。
簡單來說：這門課就是現在產生數據的方式多了，數據量爆炸，但是數據太多不好處理，得不到關鍵信息，就要採用某些方法提取有用信息，數據挖掘應運而生。
這門課程將數據挖掘放在地理上，就是空間數據挖掘。這門課分兩部分，數據挖掘和應用到地理上的一些算法。
二、定義
數據挖掘：從大量數據中提取或發現（挖掘）有趣模式和知識的過程。
另外一種定義是從數據集中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。
衆所周知，定義除了考試中回答名詞解釋沒什麼卵用，理解就好~這個定義槽點太多。
有趣：意思就是我覺得好玩就行，我有興趣就可以，如果恰好有比較好的結果，那就是一篇paper。（衆所周知，科研是有趣的）
有效的：結論還有別的適用情況。
新穎的：別人沒想到/懶得做的。
潛在有用性：結論能在生活中做出一點微小的貢獻。
最終可理解性：我知道你會知道我知道的。
非平凡：正在進行的數據挖掘過程是偉大的！
三、過程
過程分三步：數據準備（米），數據挖掘（巧婦），結果解釋（炊/吹）。
能不能得到好的結果靠前兩項，有沒有paper靠吹。
課件裏面一句話巨真實，看的時候笑出聲。嚴肅的來說，科研是曲折的。（噗嗤）
數據準備過程中，數據一般用各種數據庫和數據倉庫進行存儲與管理。
數據挖掘，用各種技術挖掘“有趣”的模式。（真心覺得不如把有趣改成有用）
（又講了一遍定義...）
至於各種技術的思路，都非常符合正常人的想法：篩選和窮舉。
篩選：選出所有的模式，過濾無趣的。
窮舉：僅找有趣的模式（我認爲有趣的就是有趣的，這種方法像不像“海底撈”）。
具體方法大概可以整理到下面這張圖。
之後給出一些數據挖掘的工具，無非就是R語言，Python，Java的統計分析工具，在此就不叨叨了。
而關於結果解釋，主要和研究者應用目的相關。（恰恰是我研究的就是有趣的，嗯，搞科研的常規心態）但不得不說確實數據挖掘在如今商業化分析中佔有重要地位。
四、空間數據挖掘
最後回到專業——空間數據挖掘。
定義：是在空間數據集合中發現知識，提取感興趣的空間模式和特徵、空間數據與非空間數據之間的聯繫以及其它數據特點的過程。
主要研究空間數據的概率分佈模式、聚類和分類特徵、屬性間的依賴關係以及時空自相關和互相關特徵等。
簡單來說：在地圖上加載海量數據，提取好玩的規律。
難點：空間數據的複雜性（數據量大），空間關係（地圖自帶），空間自相關性（我在故我在，而有的就不能在，有的必須在）。
空間數據挖掘的主要內容
最後也是給了一些主要的空間數據挖掘方法和工具。
工具：Arcgis，GeoDA，數據挖掘的傳統工具。
