数据挖掘概念复习

数据挖掘:据可以存放在数据库,(1）学习应用域(2）目标数据创建集（3456)选择挖掘算法（7）找寻兴趣度模式（8式评估和知识展示（9概念1）2）数据区分：将目标类数据的一般特性与一个或多个可比较类进行比较；(3关联分析：发现关联规则,分类：找出能够描述和区分数据类或概念的模型,以便能够使用模型预测类标号未知的对象类,导出的模型是基于训练集的分析.导出模型的算法:.预测:,预测空缺的或不知道的数值数据集。聚类：分析数据对象，而不考虑已知的类标记。训练数据中，对象根据最大化类内的相似性和最小化类间的原则进行聚类或分组，从而产生类标号。数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。,定主题的简明视图。集成的：多个异构数据源。时变的：从历史角度提供信息,隐含时间信息.非易失的:和操作数据的分离，只提供初始装入和访问.OLAP：数据仓库系统在数据分析和决策方面为用户或‘知识工人提供服务.系统可以用不同的格式和组织提供数据是一种分析技术，具有汇总、合并和聚集功能,以及从不同的角度观察信息的能力.写读—多维数据模型:多维数据模型将数据看作数据立方体，允许从多个维度对数据建模和观察.(座模式（多个事实表共享维表）.1录的透视图和实体,每个维都有一个表与之相关联,成为维表.Cuboid:Cuboid:all.ata多维数据立方体：提供数据的多维视图,度量：数值函数，通过对给定点的各维-值对聚集数据，计算该点的度量值.操作:上卷:上卷操作通过一个维的概念分层向上攀升或者通过维规约,在数据立方体上进行聚集.转轴：可视化操作，转动视角。钻过跨越多个事实表。钻透：钻到后端关系表。1.2、数据集市:3、虚拟仓库：虚拟仓库是操作数据库上视图的集合,易于建立,数据仓库的三层结构:12服务器:ROLAP:MOLAP.HOLAPMOLAP。31、分析建立企业模型并映射到数据仓库概念模型;23建模：维表设计(,(,1、2、3、数据的分割(4、表的合理划分（字段的更新频率和访问频率不一样5、(“销售总量")血统、流通，监控信息)2冰山立方体：是一个数据立方体,BUC：数据立方体允许以多维数据建模和观察,1.2.3.45位图索引：在给定属性的位图索引中,v都有一个位向量，长度为记录的总数,如10.,不连接索引:nT1(LiN概念封层,iMOLAP。,每个平面必须被排序,数据预处理：不完整的、含噪音的、不一致的1、数据清洗(缺失值((2(同数据源属性值不同）)、34、数据规约((属性子集选择)53-45((层次高,义相关的属性集捆绑在一起)).噪声:被测量的变量的随机误差或方差.规范化：最小最大规范化；Zscore;数据规约技术：得到数据集的规约显示,属性子集选择：检测并删除不相关、弱相关或冗余的属性和维3维规约：使用编码机制减小数据集的规模,如压缩.离散化:概念描述：处理类型、自动化方面比较各自优缺点.description：restrictedtoauser-controlled1445、在初始工作关系上根据属性泛化阈值使用面向属性的归纳12、维相关分析（仅选择高度相关的维进一步分析,345condition(X):量化特征规则必要):T权:P—135condition(X):D权：—138，代表和对比类比有多大差别（高D概念主要从目标类导出）量化描述规则（充分必要：X,condition(X)[t:w,d:w]...condition(X)[t:w,d:w]111nnn关联规则挖掘:dataanalysis,cross—marketing，cataloglossanalysis,clustering,classification,etc.例子：form：“Bodysupport，buys“diapers”）buys[0major^takes(x，）grade，[1%，75频繁项集：频繁地在事务数据集中一起出现的项的集合,支持度：规则X＆YZ的支持度,事务中包括{X、Z}置信度：在Z也在事务中的概率.两步过程：12k，kCkCkk或为空.LLk-1。1CL2kk-1C是L的超集，扫描数据库,Ckkk核心：用k瓶颈：候选项集计算量大尤其是12候选项集时数据库多次扫描,由产生频繁项集产生关联规则：由频繁项集直接产生强关联规则s-l-s,s为l1、基于散列的技术：一种基于散列的技术可以用于压缩候选keg:在2,51、2、3、提升度（）:B1B负相关，>1AB单维关联规则：包含单个谓词的关联规则。buys(X，“milk”）多维关联规则:维间关联规则：具有名不重复谓词。分层独立策略::61、2、3、treeoverfit7懒惰学习法：给定训练元组时,,1K2：3428溯12341、2、(的对象,3、直接密度可达:p从