数据挖掘可挖掘的知识类型.pptxVIP

概念/类描述关联模式分类聚类分析预测时间序列偏差检测双击添加主标题2.1 概念/类描述概念/类描述就是通过对某类对象关联数据的汇总、分析和比较，用汇总的、简洁的、精确的方式对此类对象的内涵进行描述，并概括这类对象的有关特征。 概念描述分为特征性描述和区别性描述。特征性描述是指从与某类对象相关的一组数据中提取出关于这些对象的共同特征。生成一个类的特征性描述只涉及该类对象中所有对象的共性。区别性描述描述两个或更多个不同类对象之间的差异。生成区别性描述则涉及目标类和对比类中对象的共性。 2.1 概念/类描述 数据特征的输出可以用多种形式提供。包括饼图、条图、曲线、多维数据方和包括交叉表在内的多维表。结果描述也可以用泛化关系或规则（称作特征规则）形式提供。 例如：利用面向属性的归纳方法（AOI），在一个商场数据库（2000销售）中进行属性归纳操作，获得了如下的归纳结果： 表2-1 AOI方法挖掘结果表格表示示意描述 地点商品销售额（百万）个数累计（千）亚洲欧洲北美亚洲欧洲北美 电视电视电视电脑电脑电脑 151228120150200 300250450100012001800 2.1 概念/类描述 对于以上结果，也可以用组合表（crosstab）或其他图表的形式来加以描述。数据分析中可视化图示非常普遍。 表2-2对应表2-1的组合表表示描述