第1章 节 绪论(new) 数据挖掘课件.pptVIP

1.规则 规则知识由前提条件和结论两部分组成。 由字段项（属性）取值的和取（ 与）和析取（ 或）组合而成 由决策字段项（属性）取值或者类别项组成 身高 头发 眼睛 第 一 类 人 矮 金色 蓝色 高 红色 蓝色 高 金色 蓝色 矮 金色 灰色 第 二 类 人 高 金色 黑色 矮 黑色 蓝色 高 黑色 蓝色 高 黑色 灰色 矮 金色 黑色 举例：两类人群9个元组 利用数据挖掘方法，可得到如下规则知识： IF（头发=金色 红色）（眼睛=蓝色 灰色）THEN 第一类人 IF（头发=黑色）（眼睛=黑色）THEN 第二类人 2.决策树 由信息量最大的属性值作为根结点，其各取值为分枝，对各分枝所划分的数据元组子集，重复建树过程，扩展决策树，最后得到相同类别的子集，以该类别作为叶结点。 金色 头发 眼睛 蓝色 灰色 红色 第一类人 第二类人 黑色 第一类人 第一类人 第二类人 黑色 金色 头发 眼睛 蓝色 灰色 红色 第一类人 第二类人 黑色 第一类人 第一类人 第二类人 黑色 头发 金色 第二类人 黑色 3.知识基（浓缩数据） 数据挖掘方法能计算 属性的重要程度, 对不重要的属性字段进行删除,对元组能按一定的原则进行合并。这样可大大压缩元组和属性的数目，得到浓缩数据，称为数据基。它是数据的精华，很容易转化为规则知识。 头发 眼睛 第一类人 金色 蓝色 红色 蓝色 黑色 灰色 第二类人 金色 黑色 黑色 蓝色 黑色 灰色 4. 网络权值 神经网络方法经对训练样本集的学习后，所得到的知识是神经网络连接权值和结点的阈值。 5. 公式 科学和工程数据库中存储着大量的实验数据，蕴涵着一定的规律性，通过知识发现算法，可以找出变量间的关系，用公式表示。如，太阳系行星运动数据中包含行星运动周期和行星与太阳的距离，见下表。 水星 金星 地球 火星 木星 土星 周期（天）p 88 225 365 687 4343.5 10767.5 距离（百万公里）d 58 108 149 228 778 1430 通过物理定律发现系统BACON和公式发现系统FDD均可得到开普勒第三定律： d3/p3=25 6. 案例 案例是指人们经历过的一次完整事件。可以利用以前案例中解决问题的方法或处理结果，作为参考或适当修改，以解决当前新的问题。可见，案例是解决新问题的一种知识。如，基于案例的推理，首先建立一个案例库，存储大量成功或失败的案例。推理时利用相似检索技术，针对新闻体，到案例库中去搜索相似案例，再经过对旧案例的修改来解决新问题。 案例知识一般表示为三元组： 问题描述：对求解的问题及周围世界或环境所有特征的描述； 解描述：对问题求解方案的描述； 效果描述：描述解决方案结果的情况，是成功还是失败。 广义知识挖掘 关联知识挖掘 类知识挖掘 预测型知识挖掘 特异型知识挖掘 数据挖掘的方法和技术 广义知识挖掘 广义知识是指描述类别特征的概括性知识。 数据集中存放的一般是细节性的数据，而我们希望从较高层次的视图上处理或观察这些数据。数据挖掘的目的就是根据这些数据的微观特征发现具有普遍性的、更高层次概念的中观或宏观的知识。这类数据挖掘系统是对细节数据所蕴涵的概念特征信息、汇总信息和比较信息等的概括和抽象的过程。 被挖掘出的广义知识可以结合可视化技术以直观的图表形式展示，也可作为分类、预测的基础知识。 主要方法和技术有： 概念描述（Concept Description）方法 多维数据分析 多层次概念描述问题 概念描述（Concept Description）方法： 概念描述本质上就是对某类对象的内涵特征进行概括。分为： 概念描述是广义知识挖掘的重要方法。概念归纳是最具代表性的方法。这种方法来源于机器学习。 特征性（Characterization）描述：描述某类对象的共同特征 区别性（Discrimination）描述：描述不同类对象之间的区别 多维数据分析 多维数据分析是一种广义知识挖掘的有效方法。数据分析的经常性工作是数据的聚集，如计数、求和、求平均、求最大值等。可将这些汇总的操作结果预先计算并存储起来，以便于高级分析使用。最流行的存储汇集数据类的方法是多维数据库技术，它可提供不同抽象层次上的数据视图。如，周数据、月数据、年数据等。 多层次概念描述问题 由数据归纳出的概念是有层次的，不同层次的概念是对原始数据的不同粒度上的概念抽象。例如， “北京工业大学”能归纳出“北京市”、“中国”、“亚洲”等层次。 一个记录