數(shù)據(jù)挖掘考試復(fù)習(xí)資料

4、人工神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的構(gòu)造5、文本挖掘：文本數(shù)據(jù)挖掘(TextMining)是指從文本數(shù)據(jù)中抽取有價值的信息和知識的計(jì)算機(jī)解決技術(shù)6、OLAP：又稱聯(lián)機(jī)分析解決，是使分析人員、管理人員或執(zhí)行人員能夠從定義定義 比較：8、信息熵：在信息論中，熵被用來衡量一種隨機(jī)變量出現(xiàn)的盼望值。它代表二 簡答1 數(shù)據(jù)倉庫和傳統(tǒng)數(shù)據(jù)庫的區(qū)別和聯(lián)系是什么區(qū)別：世紀(jì)末到21世紀(jì)初數(shù)據(jù)庫市場的一種新的增加點(diǎn)數(shù)據(jù)倉庫的數(shù)據(jù)經(jīng)常來自于多個數(shù)據(jù)源寄存模式一致,數(shù)據(jù)普通駐留在單個站點(diǎn)數(shù)據(jù)倉庫中的數(shù)據(jù)已經(jīng)清理、并定時刷新,數(shù)據(jù)倉庫中的數(shù)據(jù)是海量的數(shù)據(jù)倉庫所要研究和解決的問題就是從數(shù)據(jù)庫中的獲取信息.數(shù)據(jù)倉庫的出現(xiàn)，并不是要取代數(shù)據(jù)庫?，F(xiàn)在，大部分?jǐn)?shù)據(jù)倉庫還是用數(shù)據(jù)倉庫的出現(xiàn)，并不是要取代數(shù)據(jù)庫?，F(xiàn)在，大部分?jǐn)?shù)據(jù)倉庫還是用關(guān)系數(shù)據(jù)庫管理系統(tǒng)來管理的。能夠說，數(shù)據(jù)庫、數(shù)據(jù)倉庫相輔相成、各關(guān)聯(lián)分析——數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識，若兩個或兩個以上變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。聚類就是按一定的規(guī)則將數(shù)據(jù)劃分為合理的集合，即將對象分組為概念描述——就是對目的類對象的內(nèi)涵進(jìn)行描述，并概括這類對象的有關(guān)3 簡述OLAP在多維數(shù)據(jù)模型中的幾個基本操作4 數(shù)據(jù)挖掘的環(huán)節(jié)涉及哪些數(shù)據(jù)準(zhǔn)備涉及：選擇數(shù)據(jù)--在大型數(shù)據(jù)庫和數(shù)據(jù)倉庫目的中提取數(shù)據(jù)挖掘的目的數(shù)據(jù)集；數(shù)據(jù)準(zhǔn)備涉及：選擇數(shù)據(jù)--在大型數(shù)據(jù)庫和數(shù)據(jù)倉庫目的中提取數(shù)據(jù)挖掘的目的數(shù)據(jù)集；數(shù)據(jù)預(yù)解決--進(jìn)行數(shù)據(jù)再加工，涉及檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性、去噪聲，彌補(bǔ)丟失的域，刪除無效數(shù)據(jù)等。評定、解釋模式模:上面得到的模式模型，需要評定以擬定哪些是 效模式。成果分析對數(shù)據(jù)挖掘的成果進(jìn)行解釋和評價，轉(zhuǎn)換成為能夠最后被顧客理解的知識。運(yùn)用知識。將分析所得到的知識集成到業(yè)務(wù)信息系統(tǒng)的組織構(gòu)造中去。5、數(shù)據(jù)挖掘與傳統(tǒng)分析辦法的區(qū)別是什么？數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析(如查詢、報表、聯(lián)機(jī)應(yīng)用分析)的本質(zhì)區(qū)別是數(shù)據(jù)挖掘是在沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識.數(shù)據(jù)挖掘所得到的信息應(yīng)含有先前未知,有效和可實(shí)用三個特性.先前未知的信息是指該信息是預(yù)先未曾預(yù)料到的,即數(shù)據(jù)挖掘是要發(fā)現(xiàn)那些不能靠直覺發(fā)現(xiàn)的信息或知識,甚至是違反直覺的信息或知識,挖掘出的信息越是出乎意料,就可能越有價值.在商業(yè)應(yīng)用中最典型的例子就是一家連鎖店通過數(shù)據(jù)挖掘發(fā)現(xiàn)了小孩尿布和啤酒之間有著驚人的聯(lián)系.6、簡述事務(wù)解決與分析解決的操作特點(diǎn)的不同？OLAPOLAPDSS7 簡述數(shù)據(jù)倉庫系統(tǒng)的體系構(gòu)造數(shù)據(jù)源RDBMS中的多個業(yè)務(wù)解決數(shù)據(jù)和各類文檔數(shù)數(shù)據(jù)的存儲與管理。據(jù)倉庫和部門級數(shù)據(jù)倉庫（普通稱為數(shù)據(jù)集市。OLAP(聯(lián)機(jī)分析解決)服務(wù)器對分析需要的數(shù)據(jù)進(jìn)行有效集成，按多維模型予以組織，方便進(jìn)行多角度、多層次的分析，并發(fā)現(xiàn)趨勢。其具體實(shí)現(xiàn)能夠分為：ROLAP（關(guān)系型在線分析解決、MOLAP（多維在線分析解決）HOLAP（混合型線上分析解決。ROLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均寄存在RDBMS之中；MOLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均寄存于多維數(shù)據(jù)庫中；HOLAP基本數(shù)據(jù)寄存于RDBMS之中，聚合數(shù)據(jù)寄存于多維數(shù)據(jù)庫中。前端工具。重要涉及多個報表工具、查詢工具、數(shù)據(jù)分析工具、數(shù)據(jù)挖掘工具以數(shù)據(jù)挖掘及多個基于數(shù)據(jù)倉庫或數(shù)據(jù)集市的應(yīng)用開發(fā)工具。其中數(shù)據(jù)分析工具重要針對OLAP服務(wù)器，報表工具、數(shù)據(jù)挖掘工具重要針對數(shù)據(jù)倉庫。8、OLAP基本特性可分析性：OLAPOLAP信息性：不管數(shù)據(jù)量有多大，OLAP多維數(shù)據(jù)模型9 如何理解數(shù)據(jù)挖掘功效中的關(guān)聯(lián)分析數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識，若兩個或兩個以上變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)，慣用的兩種技術(shù)為關(guān)聯(lián)規(guī)則和序列模式。關(guān)聯(lián)規(guī)則是發(fā)現(xiàn)一種事物與其它事物的互有關(guān)聯(lián)性或互相依賴性；序列模式分析將重點(diǎn)放在分析數(shù)據(jù)之間的前因后果關(guān)系。三、敘述題1 試分析數(shù)據(jù)挖掘技術(shù)在金融領(lǐng)域的應(yīng)用狀況對目的市場(targetedmarketing)客戶組，以及推動目的市場。7）2 試述數(shù)據(jù)挖掘技術(shù)在電子商務(wù)有關(guān)領(lǐng)域的應(yīng)用狀況1是其此后消費(fèi)傾向的最佳闡明。通過收集、加工和解決涉及消費(fèi)者消費(fèi)行為的進(jìn)而推斷出對應(yīng)消費(fèi)群體或個體下一步的消費(fèi)行為。1上的挖掘也就是通過對商品的生命周期，在特定的時間開展促銷活動，制訂商品的優(yōu)惠方略。2客需求的相似之處，使得屬購置行為，分析客戶購置產(chǎn)品的有關(guān)度，對某些品牌的喜好和忠誠，類，價格，和新產(chǎn)品的投入等等。掘，公司能夠獲取客戶的訪問規(guī)律，擬定顧客消費(fèi)的生命周期，根據(jù)市場的變化，針對不同的產(chǎn)品制訂對應(yīng)的營銷策略。2化的形式將挖掘成果以直接明了地呈給決策領(lǐng)導(dǎo)。客戶進(jìn)行查詢商品和信息，通過數(shù)據(jù)挖掘在搜索引擎方面的應(yīng)用能夠提高查實(shí)現(xiàn)文檔的自動分類，還能夠用文本總結(jié)技術(shù)對web頁面中提取重要的信進(jìn)行聚類，由客戶選擇自己感愛好的一組，將大大減少瀏覽的頁面數(shù)量。改善系統(tǒng)性能，提高網(wǎng)站的安全性。一是提高反映速度。在Web服務(wù)器優(yōu)化客戶的購物環(huán)境，確保電子商務(wù)購物快速進(jìn)行。二是挖掘網(wǎng)頁之間的關(guān)聯(lián)性。用關(guān)聯(lián)規(guī)則技術(shù)，如果客戶在一次訪問行為中，訪問了頁面Page1時，普通也會訪問頁面page2。進(jìn)行Web上的數(shù)據(jù)挖掘，構(gòu)建關(guān)聯(lián)模型，我們能夠提高站點(diǎn)點(diǎn)擊率。通過挖掘客戶的行為記4錄和反饋狀況為站點(diǎn)設(shè)計(jì)者ipip地3、在客戶關(guān)系管理方面的應(yīng)用如高價值客戶、普通客戶、負(fù)價值客戶等，建立分類模型，描述出高價值客況下有相似行為的新客戶，協(xié)助商家識別這些潛在的客戶群，并提高市場活提供個性化的服務(wù)，以不停地獲取新客戶。性，再根據(jù)分析成果到現(xiàn)有客戶資料中找到可能轉(zhuǎn)移的客戶，然后根據(jù)分析條件等等。析，找出有關(guān)產(chǎn)品的有關(guān)性來決定推銷哪一種產(chǎn)品。極少，為了避免出錯，還能夠?qū)η懊媾袛喑鰜淼钠墼p行為進(jìn)行再次判斷，進(jìn)4金來做網(wǎng)絡(luò)廣告，普通商家樂意付極少的錢在曝光率上，但是樂意花大價錢在點(diǎn)擊率上，因此提高電子率成為網(wǎng)絡(luò)廣告的重點(diǎn)。顧客在訪問網(wǎng)站上大量的信息被遺留，這些信息被保存在一種數(shù)據(jù)庫中，通過對這些數(shù)據(jù)的挖掘可覺得廣告提出行之有效的廣告方案，實(shí)現(xiàn)商家渴望的個性化市場營銷。在這些信息基礎(chǔ)之上用數(shù)據(jù)挖掘的概率知識庫和含糊知識庫的辦法，對實(shí)時獲取的在線信通過聚類分析對某些客戶群提高定向廣告等等。3 試分析數(shù)據(jù)挖掘技術(shù)在醫(yī)療衛(wèi)生