数据挖掘概念复习.pdfVIP

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 ）使用挖掘的知识 概念 /类描述： 一种数据泛化形式， 用汇总的、 简洁的和精确的方法描述各个类和概念， 通过 （1） 数据特征化： 目标类数据的一般特性或特征的汇总； （2 ） 数据区分： 将目标类数据的一般特性 与一个或多个可比较类进行比较； （3 ）数据特征化和比较来得到。 关联分析： 发现关联规则，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，通常 要满足最小支持度阈值和最小置信度阈值。 分类： 找出能够描述和区分数据类或概念的模型，以便能够使用模型 预测