[5、概念描述特征化与比较.pptVIP

概念描述：特征化与比较 两种不同类别的数据挖掘 从数据分析的角度看，数据挖掘可以分为描述性挖掘和预测性挖掘 描述性挖掘：以简洁概要的方式描述数据，并提供数据的有趣的一般性质。 预测性数据挖掘：通过分析数据建立一个或一组模型，并试图预测新数据集的行为。 什么是概念描述？ 概念描述是一种最简单的描述性挖掘 当所描述的概念所指的是一类对象时，也称为类描述 概念指的是一类数据的集合 e.g. 研究生，大客户 概念描述是指为数据的特征化和比较产生描述 特征化：提供给定数据集的简洁汇总。 区分：提供两个或多个数据集的比较描述。 概念描述 VS. OLAP 概念描述和数据仓库的联机分析处理（OLAP）都跟数据概化密切相关，即以简洁的形式在更一般的抽象层描述数据，允许数据在抽象层概化，便于考察数据的一般行为。 两者的主要区别： 概念描述 可以处理复杂数据类型的属性及其聚集 一个更加自动化的过程 OLAP 实际使用的OLAP系统中，维和度量的数据类型都非常有限（非数值型的维和数值型的数据），表现为一种简单的数据分析模型 一个由用户控制的过程 数据概化 数据概化 数据库中的数据和对象通常包含原始概念层的细节信息，数据概化就是将数据库中的跟任务相关的数据集从较低的概念层抽象到较高的概念层的过程。 主要方法： 数据立方体（OLAP使用的方法） 面向属性的归纳方法 数据概化：数据立方体方法 执行计算