机器学习与数据挖掘复习.docxVIP

PAGE14 / NUMPAGES14 机器学习与数据挖掘复习 第一章：Introduction 1. 什么是数据挖掘：数据挖掘时从大量的数据中取出令人感兴趣的知识（令人感兴趣的知识：有效地、新颖的、潜在有用的和最终可以理解的）。 2. 数据挖掘的分类（从一般功能上的分类）： 描述型数据挖掘（模式）：聚类，summarization，关联规则，序列发现。 预测型数据挖掘（值）：分类，回归，时间序列分析，预测。 3. KDD（数据库中的知识发现）的概念：KDD是一个选择和提取数据的过程，它能自动地发现新的、精确的、有用的模式以及现实世界现象的模型。数据挖掘是KDD过程的一个主要的组成部分。 4. 用数据挖掘解决实际问题的大概步骤： 对数据进行KDD过程的处理来获取知识。 用知识指导行动。 评估得到的结果：好的话就循环使用，不好的话分析、得到问题然后改进。 5. KDD过程中的角色问题： 6. 整个KDD过程： 合并多个数据源的数据。 对数据进行选择和预处理。 进行数据挖掘过程得到模式或者模型。 对模型进行解释和评价得到知识。  第二章 数据和数据预处理 1. 什么是数据：数据是数据对象和它的属性的集合。一个属性是一个对象的性质或特性。属性的集合描述了一个对象。 2. 属性的类型： 标称（nominal）：它的值仅仅是不同的名字，只是提供足够的信息来区分对象。例如邮政编