数据挖掘复习知识点整理超详细.pdfVIP

必考知识点： 信息增益算法 / ID3 决策树 (计算 ) (详细见教材 ) 使用朴素贝叶斯分类预测类标号 (计算 ) FP-TREE( 问答 ) (详细见教材 ) 数据仓库的设计 (详见第二章 )( 问答 ) (见 PPT) 数值规约 Equi-depth 、equi-width 、v-optimal 、maxdiff( 问答 ) (详细见教材 ) BUC (这个也要考，但不记得怎么考的了 ) 后向传播 神经网络 (名词解释 ) K- 平均， K- 中心点， DBSCAN 解析特征化 (这个也要考 ) 总论 数据挖掘： 是从大量数据中发现有趣（非平凡的、隐含的、先前未知、潜在有用）模式，这 些数据可以存放在数据库，数据仓库或其他信息存储中。 挖掘流程： (1) 学习应用域（ 2 ）目标数据创建集（ 3）数据清洗和预处理（ 4 ）数据规约和转换（ 5）选 择数据挖掘函数（总结、分类、回归、关联、分类） （6 ）选择挖掘算法（ 7）找寻兴趣度模 式（ 8）模式评估和知识展示（ 9）使用挖掘的