数据挖掘概念与技术原书数据立方体计算与数据泛化体.pptxVIP

数据泛化 通过将相对层次较低的值（如属性age的数值）用较高层次的概念（如青年、中年、老年）置换来汇总数据 主要方法： 数据立方体（OLAP使用的方法） 面向属性的归纳方法;数据泛化;两种不同类别的数据挖掘;数据立方体的物化;数据立方体---基本概念(1);数据立方体---基本概念(2);冰山立方体 (1);冰山立方体 (2);闭立方体 (1);闭立方体 (2);立方体外壳;立方体计算的一般策略 (1);立方体计算的一般策略 (2);完全立方体计算的多路数组聚集方法(1);完全立方体计算的多路数组聚集方法(2);完全立方体计算的多路数组聚集方法(3);完全立方体计算的多路数组聚集方法(4);完全立方体计算的多路数组聚集方法(5);完全立方体计算的多路数组聚集方法(6);概念描述是一种数据泛化的形式。 概念通常指数据的汇集 如frequent buyers，graduate students 概念描述产生数据的特征化和比较描述，当所描述的概念所指的是对象类时，也称为类描述 特征化：提供给定数据汇集的简洁汇总 比较：提供两个或多个数据集的比较描述;相似处： 数据泛化 对数据的汇总在不同的抽象级别上进行呈现 区别： 复杂的数据类型和聚集 OLAP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 概念描述可以处理复杂数据类型的属性及其聚集 用户控制