数据挖掘知识点归纳VIP专享VIP免费

知识点一数据仓库1.数据仓库是一个从多个数据源收集的信息存储库，存放在一致的模式下，并且通常驻留在单个站点上。2.数据仓库通过数据清理、数据变换、数据集成、数据装入和定期数据刷新来构造。3.数据仓库围绕主题组织4.数据仓库基于历史数据提供消息，是汇总的。5.数据仓库用称作数据立方体的多维数据结构建模，每一个维对应于模式中的一个或者一组属性，每一个单元存放某种聚集的度量值6.数据立方体提供数据的多维视图，并允许预计算和快速访问汇总数据7.提供提供多维数据视图和汇总数据的预计算，数据仓库非常适合联机分析处理，允许在不同的抽象层提供数据，这种操作适合不同的用户角度8.OLAP例子包括下钻和上卷，允许用户在不同的汇总级别上观察数据9.多维数据挖掘又叫做探索式多维数据挖掘OLAP风格在多维空间进行数据挖掘，允许在各种粒度进行多维组合探查，因此更有可能代表知识的有趣模式。知识点二可以挖掘什么数据1.大量的数据挖掘功能，包括特征化和区分、频繁模式、关联和相关性分析挖掘、分类和回归、聚类分析、离群点分析2.数据挖掘功能用于指定数据挖掘任务发现的模式，分为描述性和预测性3.描述性挖掘任务刻画目标数据中数据的一般性质4.预测性挖掘任务在当前数据上进行归纳，以便做出预测5.数据可以与类或概念相关联6.用汇总、简洁、精确的表达描述类和概念，称为类/概念描述7.描述的方法有数据特征化（针对目标类）、数据区分（针对对比类）、数据特征化和区分8.数据特征化用来查询用户指定的数据，上卷操作用来执行用户控制的、沿着指定维的数据汇总。面向属性的归纳技术可以用来进行数据的泛化和特征化，而不必与用户交互。形式有饼图、条图、曲线、多维数据立方体和包括交叉表在内的多维表。结果描述可以用广义关系或者规则（也叫特征规则）提供。9.用规则表示的区分描述叫做区分规则。10.数据频繁出现的模式叫做频繁模式，类型包括频繁项集、频繁子项集（又叫频繁序列）、频繁子结构。11.频繁项集一般指频繁地在事务数据中一起出现的商品的集合12.频繁子序列就是一个频繁序列模式13.子结构涉及不同的结构，可以与项集和子项集一起出现14.挖掘频繁模式导致发现数据中有趣的关联和相关性15.包含单个谓词的关联规则称作单维关联规则。多个谓词的关联规则叫做多维关联规则。16.如果不能同时满足最小支持度阈值和最小置信度阈值是无趣的关联规则。17.频繁模式挖掘的基础是频繁项集挖掘18.分类找出描述和区分数据类或概念的模型或者函数来预测类标号未知对象的类标号。19.导出模型是基于训练数据集的分析，预测类标号未知对象的类标号。形式有分类规则、决策树、数学公式或者神经网络20.决策树类似流程图的树结构，每一个结点代表一个属性上的测试，每一个分支代表测试的一个结果，树叶代表类或者类分布。21.分类时，神经网络类似于神经处理单元，单元之间加权连接。构造分类模型的方法还有朴素贝叶斯分类、支持向量机、K最近邻分类。22.分类预测类别（离散的、无序的）标号，回归建立连续值函数模型来预测缺失的、难以获得的数据数据值23.术语预测指数值预测和类标号预测24.回归也包含基于可用数据的分布趋势识别25.相关分析在分类和回归之前进行，试图识别与分类和回归过程显著相关的属性26.聚类分析数据对象，产生数据组群的类标号，原则是最大类内相似性、最小化类间相似性。所形成的每一个簇看做一个对象集，可以导出规则。聚类便于分类法的形成，将观测组织成分层结构，把类似的事件组织在一起27.离群点指与数据的一般行为或模型不一致的数据对象，视为噪声或者异常舍弃。离群点数据分析也叫离群点分析或异常挖掘，用统计监测或者距离度量、基于密度方法识别28.有趣的模式指易于被人理解、在某种确信度上对于新的或检验数据是有效的、潜在有用的、新颖的模式。有趣的模式代表知识。29.模式兴趣的度量包括客观度量和反映特特定用户需要和兴趣的主观度量。客观度量基于所发现模式的结构和关于它们的统计量，比如规则的支持度、规则的置信度、分类规则的准确率与覆盖率。主观度量基于用户对数据的信念，比如是出乎意料、提供重要信息（也叫可行动的）30.根据...