數(shù)據(jù)挖掘概念復(fù)習(xí)

數(shù)據(jù)挖掘:據(jù)可以存放在數(shù)據(jù)庫,(1）學(xué)習(xí)應(yīng)用域(2）目標數(shù)據(jù)創(chuàng)建集（3456)選擇挖掘算法（7）找尋興趣度模式（8式評估和知識展示（9概念1）2）數(shù)據(jù)區(qū)分：將目標類數(shù)據(jù)的一般特性與一個或多個可比較類進行比較；(3關(guān)聯(lián)分析：發(fā)現(xiàn)關(guān)聯(lián)規(guī)則,分類：找出能夠描述和區(qū)分數(shù)據(jù)類或概念的模型,以便能夠使用模型預(yù)測類標號未知的對象類,導(dǎo)出的模型是基于訓(xùn)練集的分析.導(dǎo)出模型的算法:.預(yù)測:,預(yù)測空缺的或不知道的數(shù)值數(shù)據(jù)集。聚類：分析數(shù)據(jù)對象，而不考慮已知的類標記。訓(xùn)練數(shù)據(jù)中，對象根據(jù)最大化類內(nèi)的相似性和最小化類間的原則進行聚類或分組，從而產(chǎn)生類標號。數(shù)據(jù)倉庫是一個面向主題的、集成的、時變的、非易失的數(shù)據(jù)集合，支持管理部門的決策過程。,定主題的簡明視圖。集成的：多個異構(gòu)數(shù)據(jù)源。時變的：從歷史角度提供信息,隱含時間信息.非易失的:和操作數(shù)據(jù)的分離，只提供初始裝入和訪問.OLAP：數(shù)據(jù)倉庫系統(tǒng)在數(shù)據(jù)分析和決策方面為用戶或‘知識工人提供服務(wù).系統(tǒng)可以用不同的格式和組織提供數(shù)據(jù)是一種分析技術(shù)，具有匯總、合并和聚集功能,以及從不同的角度觀察信息的能力.寫讀—多維數(shù)據(jù)模型:多維數(shù)據(jù)模型將數(shù)據(jù)看作數(shù)據(jù)立方體，允許從多個維度對數(shù)據(jù)建模和觀察.(座模式（多個事實表共享維表）.1錄的透視圖和實體,每個維都有一個表與之相關(guān)聯(lián),成為維表.Cuboid:Cuboid:all.ata多維數(shù)據(jù)立方體：提供數(shù)據(jù)的多維視圖,度量：數(shù)值函數(shù)，通過對給定點的各維-值對聚集數(shù)據(jù)，計算該點的度量值.操作:上卷:上卷操作通過一個維的概念分層向上攀升或者通過維規(guī)約,在數(shù)據(jù)立方體上進行聚集.轉(zhuǎn)軸：可視化操作，轉(zhuǎn)動視角。鉆過跨越多個事實表。鉆透：鉆到后端關(guān)系表。1.2、數(shù)據(jù)集市:3、虛擬倉庫：虛擬倉庫是操作數(shù)據(jù)庫上視圖的集合,易于建立,數(shù)據(jù)倉庫的三層結(jié)構(gòu):12服務(wù)器:ROLAP:MOLAP.HOLAPMOLAP。31、分析建立企業(yè)模型并映射到數(shù)據(jù)倉庫概念模型;23建模：維表設(shè)計(,(,1、2、3、數(shù)據(jù)的分割(4、表的合理劃分（字段的更新頻率和訪問頻率不一樣5、(“銷售總量")血統(tǒng)、流通，監(jiān)控信息)2冰山立方體：是一個數(shù)據(jù)立方體,BUC：數(shù)據(jù)立方體允許以多維數(shù)據(jù)建模和觀察,1.2.3.45位圖索引：在給定屬性的位圖索引中,v都有一個位向量，長度為記錄的總數(shù),如10.,不連接索引:nT1(LiN概念封層,iMOLAP。,每個平面必須被排序,數(shù)據(jù)預(yù)處理：不完整的、含噪音的、不一致的1、數(shù)據(jù)清洗(缺失值((2(同數(shù)據(jù)源屬性值不同）)、34、數(shù)據(jù)規(guī)約((屬性子集選擇)53-45((層次高,義相關(guān)的屬性集捆綁在一起)).噪聲:被測量的變量的隨機誤差或方差.規(guī)范化：最小最大規(guī)范化；Zscore;數(shù)據(jù)規(guī)約技術(shù)：得到數(shù)據(jù)集的規(guī)約顯示,屬性子集選擇：檢測并刪除不相關(guān)、弱相關(guān)或冗余的屬性和維3維規(guī)約：使用編碼機制減小數(shù)據(jù)集的規(guī)模,如壓縮.離散化:概念描述：處理類型、自動化方面比較各自優(yōu)缺點.description：restrictedtoauser-controlled1445、在初始工作關(guān)系上根據(jù)屬性泛化閾值使用面向?qū)傩缘臍w納12、維相關(guān)分析（僅選擇高度相關(guān)的維進一步分析,345condition(X):量化特征規(guī)則必要):T權(quán):P—135condition(X):D權(quán)：—138，代表和對比類比有多大差別（高D概念主要從目標類導(dǎo)出）量化描述規(guī)則（充分必要：X,condition(X)[t:w,d:w]...condition(X)[t:w,d:w]111nnn關(guān)聯(lián)規(guī)則挖掘:dataanalysis,cross—marketing，cataloglossanalysis,clustering,classification,etc.例子：form：“Bodysupport，buys“diapers”）buys[0major^takes(x，）grade，[1%，75頻繁項集：頻繁地在事務(wù)數(shù)據(jù)集中一起出現(xiàn)的項的集合,支持度：規(guī)則X＆YZ的支持度,事務(wù)中包括{X、Z}置信度：在Z也在事務(wù)中的概率.兩步過程：12k，kCkCkk或為空.LLk-1。1CL2kk-1C是L的超集，掃描數(shù)據(jù)庫,Ckkk核心：用k瓶頸：候選項集計算量大尤其是12候選項集時數(shù)據(jù)庫多次掃描,由產(chǎn)生頻繁項集產(chǎn)生關(guān)聯(lián)規(guī)則：由頻繁項集直接產(chǎn)生強關(guān)聯(lián)規(guī)則s-l-s,s為l1、基于散列的技術(shù)：一種基于散列的技術(shù)可以用于壓縮候選keg:在2,51、2、3、提升度（）:B1B負相關(guān)，>1AB單維關(guān)聯(lián)規(guī)則：包含單個謂詞的關(guān)聯(lián)規(guī)則。buys(X，“milk”）多維關(guān)聯(lián)規(guī)則:維間關(guān)聯(lián)規(guī)則：具有名不重復(fù)謂詞。分層獨立策略::61、2、3、treeoverfit7懶惰學(xué)習(xí)法：給定訓(xùn)練元組時,,1K2：3428溯12341、2、(的對象,3、直接密度可達:p從