数据挖掘考试复习大纲(1).pptVIP

比较分类方法 使用下列标准比较分类和预测方法 预测的准确率：模型正确预测新数据的类编号的能力 速度：产生和使用模型的计算花销 健壮性：给定噪声数据或有空缺值的数据，模型正确预测的能力 可伸缩性：对大量数据，有效的构建模型的能力 可解释性：学习模型提供的理解和洞察的层次 数据挖掘考试复习大纲(1)全文共73页，当前为第59页。 用判定树归纳分类 什么是判定树？ 类似于流程图的树结构 每个内部节点表示在一个属性上的测试 每个分枝代表一个测试输出 每个树叶节点代表类或类分布 判定树的生成由两个阶段组成 判定树构建 开始时，所有的训练样本都在根节点 递归的通过选定的属性，来划分样本 （必须是离散值） 树剪枝 许多分枝反映的是训练数据中的噪声和孤立点，树剪枝试图检测和剪去这种分枝 判定树的使用：对未知样本进行分类 通过将样本的属性值与判定树相比较 数据挖掘考试复习大纲(1)全文共73页，当前为第60页。 贝叶斯分类 贝叶斯分类利用统计学中的贝叶斯定理，来预测类成员的概率，即给定一个样本，计算该样本属于一个特定的类的概率。 朴素贝叶斯分类：假设每个属性之间都是相互独立的，并且每个属性对非类问题产生的影响都是一样的。 数据挖掘考试复习大纲(1)全文共73页，当前为第61页。 后向传播分类 后向传播是一种神经网络学习算法；神经网络是一组连接的输入/输出单元，每个连接都与一个权相连。在学习阶段，通过调整神经网络的权，使得能够预测输入样本的正确标号来学习。 优点 预测精度总的来说较高 健壮性好，训练样本中包含错误时也可正常工作 输出可能是离散值、连续值或者是离散或量化属性的向量值 对目标进行分类较快 缺点 训练（学习）时间长 蕴涵在学习的权中的符号含义很难理解 很难根专业领域知识相整合 数据挖掘考试复习大纲(1)全文共73页，当前为第62页。 什么是预测？ 预测是构造和使用模型评估无样本类，或评估给定样本可能具有的属性或值空间。 预测和分类的异同 相同点 两者都需要构建模型 都用模型来估计未知值 预测当中主要的估计方法是回归分析 线性回归和多元回归 非线性回归 不同点 分类法主要是用来预测类标号（分类属性值） 预测法主要是用来估计连续值（量化属性值） 数据挖掘考试复习大纲(1)全文共73页，当前为第63页。 第八章、聚类分析 数据挖掘考试复习大纲(1)全文共73页，当前为第64页。 什么是聚类分析？ 聚类（簇）：数据对象的集合 在同一个聚类（簇）中的对象彼此相似 不同簇中的对象则相异 聚类分析 将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程 聚类是一种无指导的学习：没有预定义的类编号 聚类分析的数据挖掘功能 作为一个独立的工具来获得数据分布的情况 作为其他算法（如：特征和分类）的预处理步骤 数据挖掘考试复习大纲(1)全文共73页，当前为第65页。 聚类分析的典型应用 模式识别 空间数据分析 在GIS系统中，对相似区域进行聚类，产生主题地图 检测空间聚类，并给出它们在空间数据挖掘中的解释 图像处理 经济学（尤其是市场研究） 万维网 对WEB上的文档进行分类 对WEB日志的数据进行聚类，以发现相同的用户访问模式 数据挖掘考试复习大纲(1)全文共73页，当前为第66页。 主要的聚类方法 聚类分析算法种类繁多，具体的算法选择取决于数据类型，聚类的应用和目的，常用的聚类算法包括： 划分方法 层次的方法 基于密度的方法 基于网格的方法 基于模型的方法 实际应用中的聚类算法，往往是上述聚类方法中多种方法的整合 数据挖掘考试复习大纲(1)全文共73页，当前为第67页。 孤立点挖掘 什么是孤立点？ 一个数据集与其他数据有着显著区别的数据对象的集合 例如：运动员：Michael Jordon, 舒马赫，布勃卡 孤立点产生原因 度量或执行错误（年龄：-999） 数据变异的结果 孤立点挖掘 给定一个n个数据对象的集合，以及预期的孤立点数目k，发现与剩余的数据有着显著差异的头k个数据对象 应用 信用卡欺诈检测 移动电话欺诈检测 客户划分 医疗分析（异常） 数据挖掘考试复习大纲(1)全文共73页，当前为第68页。 电子商务与数据挖掘 数据挖掘考试复习大纲(1)全文共73页，当前为第69页。 电子商务与数据挖掘——完美结合 在电子商务中进行成功的数据挖掘得益于： 电子商务提供海量的数据 如果一个电子商务网站平均每个小时卖出五件物品，那么它一个月的平均点击量是160万次。 丰富的记录信息 良好的WEB站点设计将有助于获得丰富的信息 干净的数据 从电子商务站点收集的都是电子数据，无需人工输入或者是从历史系统进行整合 研究成果容易转化 在电子商务中，很多知识发现都可以进行直接应用 投资收益容易衡量 数据挖掘考试复习大纲(1)全文共73页，当前为第70页。 对电子商