数据挖掘期末复习资料 2009-02-21 20:38:37| 分类： 读书笔记 | 标签： |字号大中小 订阅 题型：填空（20 空）、判断（20 分）、简答（5 个：预处理方法、决策树、朴素贝叶斯过程、其他一些知识内容）、大题（算法：关联分析、分类、决策树、ID3 算法、贝叶斯方法、A神经网络、聚类回归占得比较小） 概述 一、数据挖掘是一个多学科领域，具体涉及到哪些相关学科？数据库及相关领域知识。 二、什么是数据挖掘，产生的背景，典型的数据挖掘系统的主要成分？ 数据挖掘定义：数据挖掘是从存放在数据库，数据仓库或其他信息库中的大量数据中挖掘有趣知识的过程。 典型的数据挖掘系统的主要成分：1.数据库，数据仓库或其他信息库；2.数据库或数据仓库服务器：3.知识库；4.数据挖掘引擎；5.模式评估模块；6.图形用户界面。 三、数据挖掘的功能有哪些？ 数据挖掘功能-可以挖掘什么类型的模式。数据挖掘任务：描述和预测。 描述性挖掘任务刻划数据库中数据的一般特性；预测性挖掘任务在当前数据上进行推断。 数据挖掘的功能——用于指定数据挖掘任务中要找的模式类型。其模式类型介绍如下： （1）、概念/类描述：特征化和区分。用汇总的、简洁的、精确的方式描述每个类和概念，称这种描述为类/概念描述，通过三种方式得到：1）数据特征化 2）数据区分 3）数据特征化和比较。 (2)关联分析：发现规则，这些规则展示属性-值频繁地在给定数据集中一起出现的条件。 关联规则的含义为：满足 X 中条件的数据库元组多半也满足 Y 中条件。包括多维关联规则和单维关联规则。 (3)分类和预测：分类与预测是两种数据分析形式，它们可用于抽取能够描述重要数据集合或预测未来数据趋势的模型。分类是找出描述并区分数据类或概念的模型或函数，以便能用模型预测类标记未知的对象类。如：可以构造一个分类模型来对银行贷款进行风险评估（安全或危险）；也可建立一个预测模型以利用顾客收入与职业（参数）预测其可能用于购买计算机设备的支出大小。 (4)聚类分析：它考虑的是数据对象，将数据对象根据一定的规则比如，最大化类内的相似性，最小化类间的相似性进行分组或聚类。同类相聚，异类相离 (5)孤立点分析：有些对象与数据的一般行为或模式不一致，称这些数据对象是孤立点。 (6)演变分析(时序分析)：描述行为随时间变化的数据对象的规律或趋势，并对其建模，比如，股票的演变规律。 四、数据挖掘的性能问题包括哪 3 个方面？ 五、...
