原创力文档- 1、本文档共35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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
数据挖掘-数据挖掘原语、语
言和系统结构
为什么要数据挖掘原语和语言？
n一个完全自动（不需要人为干预或指导）的数据挖掘
机器只可能是“一只疯了的怪兽”。
q会产生大量模式（重新把知识淹没）
q会涵盖所有数据，使得挖掘效率低下
q大部分有价值的模式集可能被忽略
q挖掘出的模式可能难以理解，缺乏有效性、新颖性和实用性
——令人不感兴趣。
n没有精确的指令和规则，数据挖掘系统就没法使用。
n用数据挖掘原语和语言来指导数据挖掘。
数据挖掘-数据挖掘原语、语言和系统结
构
数据挖掘原语的组成部分
n数据挖掘原语应该包括以下部分：
q说明数据库的部分或用户感兴趣的数据集
q要挖掘的知识类型
q用于指导挖掘的背景知识
q模式评估、兴趣度量
q如何显示发现的知识
n数据挖掘原语用于用户和数据挖掘系统通信，让用户
能从不同的角度和深度审查和发现结果，并指导挖掘
过程。
数据挖掘-数据挖掘原语、语言和系统结
构
说明数据挖掘任务的原语
n任务相关的数据
q数据库（仓库）名、数据立方体、选择条件、相关属性、分
组条件
n挖掘的知识类型
q特征化、区分、关联、分类/预测、聚类
n背景知识
q概念分层，关联的确信度
n模式兴趣度度量
q简单性、确定性、实用性、新颖性
n发现模式的可视化
q规则、表、图表、图、判定树…
数据挖掘-数据挖掘原语、语言和系统结
构
任务相关的数据
n用户感兴趣的只是数据库或数据仓库的一个子集。
q相关的操作：DB－选择、投影、连接、聚集等；DW－切片、
切块
q初始数据关系
n数据子集选择过程产生的新的数据关系
q可挖掘的视图
n用于数据挖掘相关任务的数据集
数据挖掘-数据挖掘原语、语言和系统结
构
任务相关的数据——例子
n挖掘加拿大顾客和他们常在AllElectronics购买
的商品间的关联规则
q数据库（仓库）名（e.g.AllElectronics_db）
q包含相关数据的表或数据立方体名（e.g.item,
customer,purchases,item_sold）
q选择相关数据的条件（今年、加拿大）
q相关的属性或维（item表的name和price，
customer表的income和age）
数据挖掘-数据挖掘原语、语言和系统结
构
要挖掘的知识类型
n要挖掘的知识类型将决定使用什么数据挖掘功
能。
q概念描述（特征化和区分），关联规则，分类/预测，
聚类和演化分析等
n模式模板
q又称元模式或元规则，用来指定所发现模式所必须
匹配的条件，用于指导挖掘过程。
数据挖掘-数据挖掘原语、语言和系统结
构
关联规则元模式——例子
n研究AllElectronics的顾客购买习惯，使用如下关联规
则：
qP(X:customer,W)∧Q(X,Y)=buys(X,Z)
nXcustomer表的关键字
nP,Q谓词变量
nW,Y,Z对象变量
n模板具体化
qage(X,“30
文档评论（0）