Data Mining for the Masses

Data Mining for the Masses 
xi 
 
ACKNOWLEDGEMENTS 
 
 
I would not have had the expertise to write this book if not for the assistance of many colleagues at 
various institutions.  I would like to acknowledge Drs. Thomas Hilton and Jean Pratt, formerly of 
Utah State University and now of University of Wisconsin—Eau Claire who served as my Master’s 
degree advisors.  I would also like to acknowledge Drs. Terence Ahern and Sebastian Diaz of West 
Virginia University, who served as doctoral advisors to me.   
 
I express my sincere and heartfelt gratitude for the assistance of Dr. Simon Fischer and the rest of 
the team at Rapid-I.  I thank them for their excellent work on the RapidMiner software product 
and for their willingness to share their time and expertise with me on my visit to Dortmund.   
 
Finally,  I  am  grateful  to  the  Kenneth  M.  Mason,  Sr.  Faculty  Research  Fund  and  Washington  & 
Jefferson College, for providing financial support for my work on this text. 

---

Data Mining for the Masses 
xii 
 
 
 
 

---

Data Mining for the Masses 
1 
 
 
 
 
 
 
 
 
 
 
 
SECTION ONE: DATA MINING BASICS 

---

---

Chapter 1: Introduction to Data Mining and CRISP-DM 
3 
 
 
CHAPTER ONE: 
INTRODUCTION TO DATA MINING AND CRISP-DM 
 
 
INTRODUCTION 
 
Data mining as a discipline is largely transparent to the world.  Most of the time, we never even 
notice that it’s happening.  But whenever we sign  up for a grocery store shopping card, place a 
purchase using a credit card, or surf the Web, we are creating data.  These data are stored in large 
sets on powerful computers owned by the companies we deal with every day.  Lying within those 
data  sets  are  patterns—indicators  of  our  interests,  our  habits,  and  our  behaviors.    Data  mining 
allows people to locate and interpret those patterns, helping them make better informed decisions 
and better serve their customers.  That being said, there are also concerns about the practice of 
data mining.  Privacy watchdog groups in particular are vocal about organizations that amass vast 
quantities of data, some of which can be very personal in nature. 
 
The intent of this book is to introduce you to concepts and practices common in data mining.  It is 
intended primarily for undergraduate college students and for business professionals who may be 
interested  in  using  information  systems  and  technologies  to  solve  business  problems  by  mining 
data, but who likely do not have a formal background or education in computer science.  Although 
data mining is the fusion of applied statistics, logic, artificial intelligence, machine learning and data 
management systems, you are not required to have a strong background in these fields to use this 
book.    While  having  taken  introductory  college-level  courses  in  statistics  and  databases  will  be 
helpful,  care  has  been  taken  to  explain  within  this  book,  the  necessary  concepts  and  techniques 
required to successfully learn how to mine data. 
 
Each chapter in this book will explain a data mining concept or technique.  You should understand 
that  the  book  is  not  designed  to  be  an  instruction  manual  or  tutorial  for  the  tools  we  will  use 
(RapidMiner and OpenOffice Base and Calc).  These software packages are capable of many types 
of  data  analysis,  and  this  text  is  not  intended  to  cover  all  of  their  capabilities,  but  rather,  to 
illustrate how these software tools can be used to perform certain kinds of data mining.  The book 

---

 
Data Mining for the Masses 
4 
is also not exhaustive; it includes a variety of common data mining techniques, but RapidMiner in 
particular is capable of many, many data mining tasks that are not covered in the book. 
 
The chapters will all follow a common format.  First, chapters will present a scenario referred to as 
Context and Perspective.  This section will help you to gain a real-world idea about a certain kind of 
problem that data mining can help solve.  It is intended to help you think of ways that the data 
mining technique in that given chapter can be applied to organizational problems you might face.  
Following Context and Perspective, a set of Learning Objectives is offered.  The idea behind this section 
is  that  each  chapter  is  designed  to  teach  you  something  new  about  data  mining.    By  listing  the 
objectives at the beginning of the chapter, you will have a better idea of what you should expect to 
learn by reading it.  The chapter will follow with several sections addressing the chapter’s topic.  In 
these sections, step-by-step examples will frequently be given to enable you to work alongside an 
actual data mining task.  Finally, after the main concepts of the chapter have been delivered, each 
chapter will conclude with a Chapter Summary, a set of Review Questions to help reinforce the main 
points of the chapter, and one or more Exercise to allow you to try your hand at applying what was 
taught in the chapter. 
 
A NOTE ABOUT TOOLS 
 
There are many software tools designed to facilitate data mining, however many of these are often 
expensive  and  complicated  to  install,  configure  and  use.    Simply  put,  they’re  not  a  good  fit  for 
learning the basics of data mining.  This book will use OpenOffice Calc and Base in conjunction 
with  an  open  source  software  product  called  RapidMiner,  developed  by  Rapid-I,  GmbH  of 
Dortmund,  Germany.    Because  OpenOffice  is  widely  available  and  very  intuitive,  it  is  a  logical 
place to begin teaching introductory level data mining concepts.  However, it lacks some of the 
tools data miners like to use.  RapidMiner is an ideal complement to OpenOffice, and was selected 
for this book for several reasons: 
 

 
RapidMiner provides specific data mining functions not currently found in OpenOffice, 
such as decision trees and association rules, which you will learn to use later in this book. 

 
RapidMiner is easy to install and will run on just about any computer. 

 
RapidMiner’s  maker  provides  a  Community  Edition  of  its  software,  making  it  free  for 
readers to obtain and use. 

---