原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
1. 数据、信息和知识是广义数据表现的不同形式。
2. 主要知识模式类型有：广义知识，关联知识，类知识，预测型知识，特异型知识
3. web挖掘研究的主要流派有：Web结构挖掘、Web使用挖掘、Web内容挖掘
4. 一般地说，KDD是一个多步骤的处理过程，一般分为问题定义、数据抽取、数据预处理，数据挖掘以及模式评估等基本阶段。
5. 数据库中的知识发现处理过程模型有：阶梯处理过程模型，螺旋处理过程模型，以用户为中心的处理结构模型，联机KDD模型，支持多数据源多知识模式的KDD处理模型。
6. 粗略地说，知识发现软件或工具的发展经历了独立的知识发现软件、横向的知识发现工具集和纵向的知识发现解决方案三个主要阶段，其中后面两种反映了目前知识发现软件的两个主要发展方向。
7. 决策树分类模型的建立通常分为两个步骤：决策树生成，决策树修剪。
8. 从使用的主要技术上看，可以把分类方法归结为四种类型：
基于距离的分类方法
决策树分类方法
贝叶斯分类方法
规则归纳方法
9. 关联规则挖掘问题可以划分成两个子问题：
发现频繁项目集:通过用户给定Minsupport ，寻找所有频繁项目集或者最大频繁项目集。
生成关联规则:通过用户给定Minconfidence ，在频繁项目集中，寻找关联规则。
10. 数据挖掘是相关学科充分发展的基础上被提出和发展的，主要的相关技术：
数据库等信息技术的发展
统计学深入应用
人工智能技术的研究和应用
11. 衡量关联规则挖掘结果的有效性，应该从多种综合角度来考虑：
准确性：挖掘出的规则必须反映数据的实际情况。
实用性：挖掘出的规则必须是简洁可用的。
新颖性：挖掘出的关联规则可以为用户提供新的有价值信息。
12. 约束的常见类型有：
单调性约束;
反单调性约束;
可转变的约束;
简洁性约束.
13. 根据规则中涉及到的层次，多层次关联规则可以分为：
同层关联规则：如果一个关联规则对应的项目是同一个粒度层次，那么它是同层关联规则。
层间关联规则：如果在不同的粒度层次上考虑问题，那么可能得到的是层间关联规则。
14. 按照聚类分析算法的主要思路，聚类方法可以被归纳为如下几种。
划分法：基于一定标准构建数据的划分。
属于该类的聚类方法有：k-means、k-modes、k-prototypes、k-medoids、PAM、CLARA、CLARANS等。
层次法：对给定数据对象集合进行层次的分解。
密度法：基于数据对象的相连密度评价。
网格法：将数据空间划分成为有限个单元(Cell)的网格结构，基于网格结构进行聚类。
模型法：给每一个簇假定一个模型，然后去寻找能够很好的满足这个模型的数据集。
15. 类间距离的度量主要有：
最短距离法：定义两个类中最靠近的两个元素间的距离为类间距离。
最长距离法：定义两个类中最远的两个元素间的距离为类间距离。
中心法：定义两类的两个中心间的距离为类间距离。
类平均法：它计算两个类中任意两个元素间的距离，并且综合他们为类间距离：离差平方和。
16. 层次聚类方法具体可分为：
凝聚的层次聚类：一种自底向上的策略，首先将每个对象作为一个簇，然后合并这些原子簇为越来越大的簇，直到某个终结条件被满足。
分裂的层次聚类：采用自顶向下的策略，它首先将所有对象置于一个簇中，然后逐渐细分为越来越小的簇，直到达到了某个终结条件。
层次凝聚的代表是AGNES算法。层次分裂的代表是DIANA算法。
17. 文本挖掘(TD)的方式和目标是多种多样的，基本层次有：
关键词检索：最简单的方式，它和传统的搜索技术类似。
挖掘项目关联：聚焦在页面的信息(包括关键词)之间的关联信息挖掘上。
信息分类和聚类：利用数据挖掘的分类和聚类技术实现页面的分类，将页面在一个更到层次上进行抽象和整理。
自然语言处理：揭示自然语言处理技术中的语义，实现Web内容的更精确处理。
18. 在web访问挖掘中常用的技术：
路径分析：路径分析最常用的应用是用于判定在一个Web站点中最频繁访问的路径，这样的知识对于一个电子商务网站或者信息安全评估是非常重要的。
关联规则发现：使用关联规则发现方法可以从Web访问事务集中，找到一般性的关联知识。
序列模式发现：在时间戳有序的事务集中，序列模式的发现就是指找到那些如“一些项跟随另一个项”这样的内部事务模式。
分类：发现分类规则可以给出识别一个特殊群体的公共属性的描述。这种描述可以用于分类新的项。
聚类：可以从Web Usage数据中聚集出具有相似特性的那些客户。在Web事务日志中，聚类顾客信息或数据项，就能够便于开发和执行未来的市场战略。
19. 根据功能和侧重点不同，数据挖掘语言可以分为三种类型：
数据挖掘查询语言：希望以一种像SQL这样的数据库查询语言完成数据挖掘的任务。
数据挖掘建模语言：对数据挖
文档评论（0）