2.5 本章小结

KDD模型可分为面向过程的KDD模型、面向用户的KDD模型及面向知识的KDD模型。面向过程的KDD模型把KDD看成面向过程的多处理阶段，数据挖掘只是其中的一部分功能，整个过程流程清晰，使得我们可以从整体上对数据库中的知识发现有一个全面的认识。面向用户的KDD模型更强调用户对知识发现的整个过程的支持，而不是仅限于数据挖掘的一个阶段，注重对用户与数据库交互的支持，用户根据数据库中的数据，提出一种假设模型，然后选择有关数据进行知识挖掘，并不断对模型的数据进行调整优化。面向知识的KDD模型旨在把知识（包括先验知识和已发现的知识）体现在整个知识发现过程中，使挖掘更具有智能性。

本章对Agent的特性进行了概述，把多智能体技术引入数据挖掘，给出了一个基于Agent的知识发现模型，用Agent来描述数据挖掘过程的各阶段，整个知识发现的过程即一个多智能体系统，利用Agent本身具有的知识（领域知识、通信知识、控制知识）、目标及推理、决策、规划、控制等能力，以及自治性、社会性、反应性、预动性等特性，并且在此模型中引入软计算技术，可以实现整个挖掘过程的智能化。

本章通过对社保系统项目中的数据进行处理，实现了数据挖掘中的部分功能，能使读者对数据挖掘的整个过程有更为深刻的理解。