- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
填空题
Web挖掘可分为 、 和 3大类。
数据仓库需要统一数据源,包括统一 、统一 、统一 和统一数据特征4个方面。
数据分割通常按时间、 、 、 以及组合方法进行。
噪声数据处理的方法主要有 、 和 。
数值归约的常用方法有 、 、 、 和对数模型等。
评价关联规则的2个主要指标是 和 。
多维数据集通常采用 或雪花型架构,以 表为中心,连接多个 表 。
决策树是用作为结点,用作为分支的树结构。
BP神经网络的作用函数通常为 区间的 。
数据挖掘的过程主要包括确定业务对象、 、 、 及知识同化等几个步骤。
数据挖掘技术主要涉及 、 和 3个技术领域。
数据挖掘的主要功能包括 、 、 、 、趋势分析、孤立点分析和偏差分析7个方面。
人工神经网络具有 和 等特点,其结构模型包括 、 和自组织网络3种。
数据仓库数据的4个基本特征是 、 、非易失、随时间变化。
数据仓库的数据通常划分为 、 、 和 等几个级别。
数据预处理的主要内容(方法)包括 、 、 和 数据归约等。
平滑分箱数据的方法主要有 、 和 。
数据挖掘发现知识的类型主要有广义知识、 、 、 和偏差型知识五种。
OLAP的数据组织方式主要有 和 两种。
常见的多维数据分析包括、、旋转等。
OLAP的数据组织方式主要有 和 2种。
SQL Server2000的OLAP组件叫 ,OLAP操作窗口叫 。
BP神经网络由 、 以及一或多个 结点组成。
遗传算法包括 、 、 3个基本算子。
聚类分析的数据通常可分为区间标度变量、 、 、 、序数型以及混合类型等。
聚类分析中最常用的距离计算公式有 、 、 等。
基于划分的聚类算法有 和 。
Clementine的工作流通常由 、 和 等节点连接而成。
简单地说,数据挖掘就是从 中挖掘 的过程。
数据挖掘相关的名称还有 、 、 等。
啤酒与尿布的故事是聚类分析的典型实例。
等深分箱法使每个箱子的记录个数相同。
数据仓库“粒度”越细,记录数越少。
数据立方体由3维构成,Z轴表示事实数据。
决策树方法通常用于关联规则挖掘。
ID3算法是决策树方法的早期代表。
C4.5是一种典型的关联规则挖掘算法。
回归分析通常用于挖掘关联规则。
人工神经网络特别适合解决多参数大复杂度问题。
概念关系分析是文本挖掘所独有的。
决策树方法特别适合于处理数值型数据。
数据仓库的数据为历史数据,从来不需要更新。
等宽分箱法使每个箱子的取值区间相同。
数据立方体是广义知识发现的方法和技术之一。
数据立方体的其中一维用于记录事实数据。
决策树通常用于分类与预测。
Apriori算法是一种典型的关联规则挖掘算法。
支持度衡量关联规则重要性的。(稳定性)、随时间不断变化(不同时间)的数据集合,
粒度:指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小,同时影响数据仓库所能回答查询问题的细节程度。
数据规范化:指将数据按比例缩放(如更换大单位),使之落入一个特定的区域(如0-1)以提高数据挖掘效率的方法。规范化的常用方法有:最大-最小规范化
关联知识:是反映一个事件和其他事件之间依赖或相互关联的知识。如果两项或多项属性之间存在关联,那么其中一项的属性值就可以依据其他属性值进行预测。
数据挖掘:从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
OLTP:OLTP为联机事务处理的缩写,OLAP是联机分析处理的缩写。前者是以数据库为基础的,面对的是操作人员和低层管理人员,对基本数据进行查询和增、删、改等处理。
ROLAP:是基于关系数据库存储方式的,在这种结构中,多维数据被映像成二维关系表,通常采用星型或雪花型架构,由一个事实表和多个维度表构成。
MOLAP:是基于类似于“超立方”块的OLAP存储结构,由许多经压缩的、类似于多维数组的对象构成,并带有高度压缩的索引及指针结构,通过直接偏移计算进行存取。
数据归约:缩小数据的取值范围,使其更适合于数据挖掘算法的需要,并且能够得到和原始数据相同的分析结果。
预测型知识:是根据时间序列型数据,由历史的和当前的数据去推测未来的数据,也可以认为是以时间为关键属性的关联知识。
偏差型知识:是对差异和极端特例的描述,用于揭示事物偏离常规的异常现象,如标准类外的特例,数据聚类外的离群值等。
遗传算法:是一种优化搜索算法,它首先产生一个初始可行解群体,然后对这个群体通过模拟生物进化的选择、交叉、变异等遗传操作遗传到下一代群体,并最终达到全局最优。
聚类:是将物理或抽象对
文档评论(0)