数据挖掘5章概念描述：特征化与比较.pptVIP

概念描述 特征化和比较 什么是概念描述? 数据概化和基于汇总的特征化 解析特征化: 分析属性之间的关联性 挖掘类比较:获取不同类之间的不同处 在大型数据库中挖掘描述统计度量 讨论 总结 什么是概念描述? 描述性 vs. 预测性 数据挖掘 描述性数据挖掘: 预测性数据挖掘: 概念描述: 特征化:对所选择的数据集给出一个简单明了的描述，汇总 比较:提供对于两个或多个数据集进行比较的描述 概念描述和OLAP区别 概念描述: 能够处理复杂的数据类型和各种汇总方法 更加自动化 OLAP: 只能限制于少量的维度和数据类型 用户控制的流程 特征化和比较 什么是概念描述? 数据概化和基于汇总的特征化 分析特征化: 分析属性之间的关联性 挖掘类比较:获取不同类之间的不同处 在大型数据库中挖掘描述统计度量 讨论 总结 数据概化和基于汇总的特征化 数据概化 将大量的相关数据从一个较低的概念层次抽象、转化到一个比较高的层次 方法: OLAP方法： 面向属性的归纳 OLAP方法 在数据立方体上进行计算和存储结果 优点 效率高 能够计算多种汇总 如：count,average,sum,min,max 还可以使用roll-down和roll-up操作 限制 只能处理非数值化数据和数值数据的简单汇总。 只能分析，不能自动的选择哪些字段和相应的概念层次 面向属性的归纳 KDD Workshop(89)