数据挖掘功能.pdfVIP

数据挖掘功能——可以挖掘什么类型的模式？

数据挖掘功能用于指定数据挖掘任务中要找的模式类型。一般

地，数据挖掘任务可以分两类：描述和预测。描述性挖掘任务刻划数

据库中数据的一般特性。预测性挖掘任务在当前数据上进行推断，以

进行预测。

在某些情况下，用户不知道他们的数据中什么类型的模式是有趣

的，因此可能想并行地搜索多种不同的模式。这样，重要的是，数据

挖掘系统要能够挖掘多种类型的模式，以适应不同的用户需求或不同

的应用。此外，数据挖掘系统应当能够发现各种粒度（即，不同的抽

象层）的模式。数据挖掘系统应当允许用户给出提示，指导或聚焦有

趣模式的搜索。由于有些模式并非对数据库中的所有数据都成立，通

常每个被发现的模式带上一个确定性或“可信性”度量。

数据挖掘功能以及它们可以发现的模式类型介绍如下。

1概念/类描述：特征和区分

数据可以及类或概念相关联。例如，在AllElectronics商店，

销售的商品类包括计算机和打印机，顾客概念包括bigSpenders和

budgetSpenders。用汇总的、简洁的、精确的方式描述每个类和概念

可能是有用的。这种类或概念的描述称为类/概念描述。这种描述可以

通过下述方法得到（1）数据特征化，一般地汇总所研究类（通常称为

目标类）的数据，或（2）数据区分，将目标类及一个或多个比较类（通

常称为对比类）进行比较，或（3）数据特征化和比较。

数据特征是目标类数据的一般特征或特性的汇总。通常，用户指

1/8

定类的数据通过数据库查询收集。例如，为研究上一年销售增加10%

的软件产品的特征，可以通过执行一个SQL查询收集关于这些产品的

数据。有许多有效的方法，将数据特征化和汇总。例如，

基于数据方的OLAP上卷操作（1.3.2小节）可以用来执行用户控制

的、沿着指定维的数据汇总。面向属性的归纳技术可以用来进行数据

的泛化和特征化，而不必一步步地及用户交互。

数据特征的输出可以用多种形式提供。包括饼图、条图、曲线、

多维数据方和包括交叉表在内的多维表。结果描述也可以用泛化关系

或规则（称作特征规则）形式提供。

例1.4数据挖掘系统应当能够产生一年之内在AllElectronics

花费$1000以上的顾客汇总特征的描述。结果可能是顾客的一般轮廓，

如年龄在40-50、有工作、有很好的信誉度。系统将允许用户在任意维

下钻，如在occupation下钻，以便根据他们的职业来观察这些顾客。

数据区分是将目标类对象的一般特性及一个或多个对比类对象

的一般特性比较。目标类和对比类由用户指定，而对应的数据通过数

据库查询提取。例如，你可能希望将上一年销售增加10%的软件产品及

同一时期销售至少下降30%的那些进行比较。用于数据区分的方法及用

于数据特征的那些类似。

“区分描述如何输出？”输出的形式类似于特征描述，但区分描

述应当包括比较度量，帮助区分目标类和对比类。用规则表示的区分

描述称为区分规则。用户应当能够对特征和区分描述的输出进行操作。

例1.5数据挖掘系统应当能够比较两组AllElectronics顾客，

2/8

如定期（每月多于2次）购买计算机产品的顾客和偶尔（即，每年少

于3次）购买这种产品的顾客。结果描述可能是一般的比较轮廓，如

经常购买这种产品的顾客80%在20-40岁之间，受过大学教育；而不经

常购买这种产品的顾客60%或者太老，或者太年青，没有大学学位。沿

occupationincome_level

着维下钻，如沿维，或添加新的维，如，可

以帮助发现两类之间的更多区分特性。

2关联分析

“什么是关联分析？”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。关联分析广泛用于购物

篮或事务数据分析。

更形式地，关联规则是形如X⇒Y，即”A1∧...∧Am⇒B1