数据挖掘相关资料.pptx

讲授：吴雄华;一、引例;从这个销售数据中可以得出什么结论？;从数据挖掘的角度就是得到了如下的很强的关联规则：;二、数据挖掘的定义;例5.John Roth在联合国世界电信论坛上又提出了一个关于网络科技的一个观点：互联网宽带每9个月会增加一倍的容量，但成本降低一半，比芯片的变革速度还快。----“光纤定律”。;数据挖掘技术的另一个产生动力 2.数据过量而知识贫乏;四、数据挖掘的支撑技术;3、聚类分析：例如 对于新闻可以根据他们的主题分组。;第二章 数据;一、理解数据;二、数据属性及其类型;三、数据集的类型;三、数据集的类型;三、数据集的类型;四、数据对象之间的相异度和相似度;1、简单属性的相似度和相异度;1、简单属性的相似度和相异度;可以计算学生身高的相异度矩阵如下：;;;;例2.设两个顾客x和y购买的商品如下，计算 它们的相似系数SMC和J。;;例3.两个文档向量x和y如下，分别计算其余弦相似度cos(x，y）和EJ;;第三章 数据挖掘中的统计方法;;;例如，以毫米为单位，20个人的身高通常不会重复，但如果以分米为单位，则某些人很可能具有相同的身高。此外，如果使用一个唯一的值表示遗漏值，该值通常用众数。;样本的p分位数xp 可以按如下方法求得：;与分位数有关常用术语;例1.下表是中国各省（市）国有单位的人均报酬，单位：元/年。分别计算p=0.25,0.5,0.75时的分位数及样本均值。;解：n=34，n*0.75=8.5,Q3= 32738(江苏）,同理，median=22956（湖北或湖南），Q1=21608（贵州），Q3-Q1=11130，样本均值为27501.59 ;;例：设总体的分布率如下：;数据：3,3,2,2,1,2,1,2,3,3;;;;;;;;;;;;;;;如上，原数据要考虑8个因素，通过提取主成分后只需要考虑3个因素，设原数据集（未标准化前）为X，三个最大特征值对应的特征向量构成的矩阵为：;;当第一主成分的系数（最大特征值对应的特征向量）全部同号是，可按第一主成分对数据进行排序。如本例，所给省市的劳动报酬由高到低依次为;敬请各位同学提出宝贵意见;第四章 分类;分类（Classification)就是通过学习得到一个目标函数（称为模型函数）f，然后把新的对象x通过f映射到一个预先定义的类别号y。;;;;;;;9、有时候读书是一种巧妙地避开思考的???法。1月-211月-21Saturday, January 30, 2021 10、阅读一切好书如同和过去最杰出的人谈话。00:22:2500:22:2500:221/30/2021 12:22:25 AM 11、越是没有本领的就越加自命不凡。1月-2100:22:2500:22Jan-2130-Jan-21 12、越是无能的人，越喜欢挑剔别人的错儿。00:22:2500:22:2500:22Saturday, January 30, 2021 13、知人者智，自知者明。胜人者有力，自胜者强。1月-211月-2100:22:2500:22:25January 30, 2021 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。30 一月 202112:22:25 上午00:22:251月-21 15、最具挑战性的挑战莫过于提升自我。。一月 2112:22 上午1月-2100:22January 30, 2021 16、业余生活要有意义，不要越轨。2021/1/30 0:22:2500:22:2530 January 2021 17、一个人即使已登上顶峰，也仍要自强不息。12:22:25 上午12:22 上午00:22:251月-21