《數(shù)據(jù)挖掘概述》ppt課件-全文預覽
【正文】 估計。 ：若 np是整數(shù)，則位于 np和 np+1位置的數(shù)據(jù)均符合要求，此時取這兩個數(shù)的平均值作為 xp； x（ [np]+1) 當 np不是整數(shù)（ x（ np） +x（ np+1） )/2 當 np是整數(shù)與分位數(shù)有關(guān)常用術(shù)語一、極差： x(n) x(1)。B：至多有 n（ 1p）個觀察值大于或等于 xp。對于連續(xù)屬性，按照目前的定義，眾數(shù)通常沒有用（為什么？），但在某些情況下，眾數(shù)可能提供關(guān)于值的性質(zhì)或關(guān)于出現(xiàn)遺漏值的重要信息。x=（ 1 0 0 0 1 0 1 0 0 1）y=（ 1 0 1 0 1 1 0 0 1 1）解： f00= 3 f01= 3 f10= 1 f11= 3因此， SMC=6/10，J=3/7例 x和 y購買的商品如下，計算 它們的相似系數(shù) SMC和 J。設(shè) x和 y是兩個對象，都由 n個二元屬性組成。簡單屬性的相似度和相異度 區(qū)間或比率屬性的相異度和相似度d=|xy|相異度 較常用的相似度有： s=1/(1+d),例如，考慮如下的身高數(shù)據(jù)S=1(dmin_d)/(max_dmin_d)學生S1 S2 S3 S4 S5 S6 S7身高156178166170185168180可以計算學生身高的相異度矩陣如下：學生 S1 S2 S3 S4 S5 S6 S7身高 156 178166 170 185 168 180S1 S2 S3 S4 S5 S6 S7S1 0 22 10 14 29 12 24S2 0 12 8 7 10 2S3 0 4 19 2 14S4 0 15 2 10S5 0 17 5S6 0 12S7 0二元屬性：屬性的值只接受兩個值：如真 /假，男 /女、是 /否等，通常用 0/1表示。如距離矩陣，協(xié)方差矩陣，相關(guān)系數(shù)矩陣等。012 232 0 020 121 2 027 165 24 0 你做了相關(guān)的工作后再與數(shù)據(jù)提供者交流，字段 1只是一個標號不代表任何實際意義，而字段4中 0表示缺失值，在錄入數(shù)據(jù)時偏偏所有的 10都變成了 0.？ !二、數(shù)據(jù)屬性及其類型屬性（ Attitude）是對象的性質(zhì)或特性。當一個新的交易到達時就與之比較。主要應用包括檢測欺詐、網(wǎng)絡(luò)攻擊、疾病的不尋常模式等。例如？想象一下，如果后人希望了解現(xiàn)在人們的生活狀況，他們面臨的已不再是信息缺失，而是需要從浩如煙海的資料中有選擇性的收集他們認為有用的信息，若沒有一定技術(shù)支持，其難度恐怕可以用 “浪里淘金 ”或 “大海撈針 ”來形容。 “摩爾定律 ”。例 Roth在聯(lián)合國世界電信論壇上又提出了一個關(guān)于網(wǎng)絡(luò)科技的一個觀點：互聯(lián)網(wǎng)寬帶每 9個月會增加一倍的容量，但成本降低一半，比芯片的變革速度還快。簡單的說，數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中發(fā)現(xiàn)有用的信息。置信度為 5/6規(guī)則 2： “買尿布 ” “買啤酒 ”。 ” 然后就可以在網(wǎng)頁的某個位置看到幾本新書或 VCD的名字及其相關(guān)鏈接。講授：吳雄華第一章 數(shù)據(jù)挖掘概述電話： 13752460206Email：一、引例網(wǎng)站這種推薦并非漫無邊際，而是有一定技術(shù)依據(jù)的，這種技術(shù)就是數(shù)據(jù)挖掘技術(shù)（ DM）。如果你在當當?shù)馁彆W(wǎng)站并購買過書籍或音像制品，以后再瀏覽該網(wǎng)站時經(jīng)?？吹筋愃频奶崾荆?“歡迎你，下面是我們給您推薦的新書和 VCD。規(guī)則 1： “買啤酒 ” “買尿布 ”。二、數(shù)據(jù)挖掘的定義三、數(shù)據(jù)挖掘技術(shù)產(chǎn)生的動力 數(shù)據(jù)挖掘的定義有多種不同的定義方式，現(xiàn)在為大家廣泛采用的是如下定義：數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中挖掘出隱含的、未知的、用戶可能感興趣的和對決策有潛在價值的知識和規(guī)則。現(xiàn)在已成事實。他據(jù)此推斷，按此趨勢發(fā)展下去，在較短時間內(nèi)計算能力將呈指數(shù)增長。是在信息的潮流中隨波逐流還是 “到中流擊水，浪遏飛舟 ”？數(shù)據(jù)挖掘技術(shù)的另一個產(chǎn)生動力現(xiàn)代人了解古代的主要方式主要是通過前人留下的記錄，但是這些記錄往往是零碎的、不完全的。異常檢測：識別其特征顯著不同于其他數(shù)據(jù)的觀測值（異常點）。由于與合法交易相比，欺詐行為的數(shù)目相對較少，因此異常檢測技術(shù)可以用來構(gòu)造合法交易的輪廓。有人給你如下數(shù)據(jù)，每行包含一個病人的信息，用前 4個字段預測后一個字段。如Tid Rufund MaritalStatusTaxableIneDefaulted Borrower1 Yes Single 125K No2 No Married 100K No3 Yes devorce 189K Yes三、數(shù)據(jù)集的類型事務數(shù)據(jù)（購物籃數(shù)據(jù)），如顧 客 購買 商品1 面包，黃油，尿布，啤酒2 咖啡，糖，小甜 餅 ， 鮭魚 ，啤酒3 面包，黃油，咖啡，尿布，啤酒， 雞 蛋4 面包，黃油， 鮭魚 ， 雞5 雞 蛋，面包，黃油6 鮭魚 ，尿布，啤酒7 面包，茶，糖 雞 蛋8 咖啡，糖， 雞 ， 雞 蛋9 面包，尿布，啤酒， 鹽10 茶， 雞 蛋，小甜 餅 ，尿布，啤酒三、數(shù)據(jù)集的類型矩陣數(shù)據(jù)。 標稱屬性的相異度和相似度d=0,如果 x=y1,如果 x y相異度相似度： s=1d例如，如果只考慮顧客的性別屬性，如果都是 “男 ”，則他們的相似度為 1，相異度
教學課件相關(guān)推薦
鄂ICP備17016276號-1