第9章 知识发现方法.pptVIP

第9章知识发现方法 9.1数据开采和知识发现的区别与联系 KDD的结构模型如图9.1所示: 9.2知识发现概念 知识发现的定义： ＫＤＤ是从大量数据中提取出可信的、新颖的、有效的并能被人理解的模式的处理过程，这种处理的过程是非常繁琐的过程。 KDD的特点： 1、从现实世界中存在的一些具体数据中提取知识 。 2、所处理的数据的完整性、一致性和正确性都很难保证 。 3、是对数据背后隐藏的特征和趋势进行分析，最终给出关于数据的总体特征和发展趋势 。 知识发现的研究方向： 效率和可扩放性 数据的时序性 和其他系统的集成 交互性 发现模式的精练 互联网上的知识发现 知识发现的典型应用领域 一、市场 二、工业 三、金融 四、科学研究 五、医疗保健 9.4基于数据库中的知识发现 ＫＤＤ处理过程 ： 数据开采的目标及方法 数据开采主要是利用各种知识发现算法，从数据库数据中发现有关的知识，根据发现知识的不同种类，可以将数据开采的目标分为以下几类： （1） 特征 (characterization） （2） 区分（discrimination） （3） 分类（classification） （4） 关联规则（association） （5） 聚类(clustering) （6） 预测(