数据挖掘期末复习资料.pdfVIP

数据挖掘期末复习资料 2009-02-21 20:38:37| 分类： 读书笔记 | 标签： |字号大中小 订阅 题型：填空（ 20 空）、判断（ 20 分）、简答（ 5 个：预处理方法、决策树、朴素贝叶斯过程、 其他一些知识内容） 、大题（算法：关联分析、分类、决策树、 ID3 算法、贝叶斯方法、 A 神经网络、聚类回归占得比较小） 概述 一、数据挖掘是一个多学科领域，具体涉及到哪些相关学科？数据库及相关领域知识。 二、什么是数据挖掘，产生的背景，典型的数据挖掘系统的主要成分？ 数据挖掘定义： 数据挖掘是从存放在数据库， 数据仓库或其他信息库中的大量数据中挖掘有 趣知识的过程。 典型的数据挖掘系统的主要成分： 1.数据库，数据仓库或其他信息库； 2.数据库或数据仓库 服务器： 3.知识库； 4.数据挖掘引擎； 5.模式评估模块； 6.图形用户界面。 三、数据挖掘的功能有哪些？ 数据挖掘功能 -可以挖掘什么类型的模式。数据挖掘任务：描述和预测。 描述性挖掘任务刻划数据库中数据的一般特性；预测性挖掘任务在当前数据上进行推断。 数据挖掘的功能——用于指定数据挖掘任务中要找的模式类型。其模式类型介绍如下： （1）、概念 /类描述：特征化和区分。用汇总的、简洁的、精确的方式描述每个类和概念， 称这种描述为类 / 概念描述，通过三种方式得到： 1）数据特征化 2 ）数据区分 3 ）数据特 征化和比较。 (2) 关联分析：发现规则，这些规则展示属性 -值频繁地在给定数据集中一起出现的条件。 关联规则的含义为：满足 X 中条件的数据库元组多半也满足 Y 中条件。包括多维关联规则 和单维关联规则。 (3) 分类和预测：分类与预测是两种数据分析形式，它们可用于抽取能够描述重要数据集合 或预测未来数据趋势的模型。 分类是找出描述并区分数据类或概念的模型或函数， 以便能用 模型预测类标记未知的对象类。 如：可以构造一个分类模型来对银行贷款进行风险评估 （安 全或危险） ；也可建立一个预测模型以利用顾客收入与职业（参数）预测其可能用于购买计 算机设备的支出大小。 (4) 聚类分析：它考虑的是数据对象，将数据对象根据一定的规则比如，最大化类内的相似 性，最小化类间的相似性进行分组或聚类。同类相聚，异类相离 (5)孤立点分析：有些对象与数据的一般行为或模式不一致，称这些数据对象是孤立点。 (6) 演变分析 (时序分析 ) ：描述行为随时间变化的数据对象的规律或趋势， 并对其建模， 比如， 股票的演变规律。 四、数据挖掘的性能问题包括哪 3 个方面？ 五、知识发现包括哪些过程？ 知识发现的过程： 1）数据清理（消除噪声或不一致数据） 2 ）数据集成（多种数据源可以组 合在一起） 3 ）数据选择（从数据库中检索与分析任务相关的数据） 4 ）数据变换（数据变换 或统一成适合挖掘的形式，如通过汇总或聚集操作） 5）数据挖掘（基本步骤，使用智能方 法提取数据模式） 6 ）模式评估 （根据某种兴趣度度量， 识别表示知识的真正有趣的模式） 7） 知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识） 六、数据、信息、知识之间的区别和联系 数据：就是能够被计算机处理的任何事物（事实、数字、文本等） 数据 =事实的记录 操作和交易数据：如销售、价格、库存、薪水册等 非操作的数据：如工业销售、预测数据、宏观经济数据 元数据（ Meta data：描述数据自身的数据，如逻辑数据库设计或数据字典定义 信息 :数据提供的模式、关联、联系等信息。 信息是对数据的提炼；信息 =数据 +意义 如：对于零售终端的分析能够获得什么产品在什么时候卖出的信息。 知识 : 从信息中提取出有关历史模式、一