數(shù)據(jù)挖掘綜述ppt課件(編輯修改稿)
2025-05-27 18:14 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 iation) 廣義知識(shí)（ Generalization）n 廣義知識(shí)指類(lèi)別特征的概括性描述知識(shí)。根據(jù)數(shù)據(jù)的微觀(guān)特性發(fā)現(xiàn)其表征的、帶有普遍性的、較高層次概念的知識(shí)，反映同類(lèi)事物共同性質(zhì)，是對(duì)數(shù)據(jù)的概括、精煉和抽象。 廣義知識(shí)的發(fā)現(xiàn)方法和實(shí)現(xiàn)技術(shù)有很多，如數(shù)據(jù)立方體、面向?qū)傩缘臍w約等。 數(shù)據(jù)立方體 : 基本思想是實(shí)現(xiàn)某些常用的代價(jià)較高的聚集函數(shù)的計(jì)算，諸如計(jì)數(shù)、求和、平均、最大值等，并將這些實(shí)現(xiàn)視圖儲(chǔ)存在多維數(shù)據(jù)庫(kù)中。 面向?qū)傩缘臍w約方法 : 基本思想是收集數(shù)據(jù)庫(kù)中的相關(guān)數(shù)據(jù)集，然后在相關(guān)數(shù)據(jù)集上應(yīng)用一系列數(shù)據(jù)推廣技術(shù)進(jìn)行數(shù)據(jù)推廣，包括屬性刪除、概念樹(shù)提升、屬性閾值控制、計(jì)數(shù)及其他聚集函數(shù)傳播等。 關(guān)聯(lián)知識(shí) (Association)n 它反映一個(gè)事件和其他事件之間依賴(lài)或關(guān)聯(lián)的知識(shí)。 如果兩項(xiàng)或多項(xiàng)屬性之間存在關(guān)聯(lián)，那么其中一項(xiàng)的屬性值就可以依據(jù)其他屬性值進(jìn)行預(yù)測(cè)。n 最為著名的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法是 Apriori算法。n 關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)可分為兩步： 第一步是迭代識(shí)別所有的頻繁項(xiàng)目集，要求頻繁項(xiàng)目集的支持率不低于用戶(hù)設(shè)定的最低值； 第二步是從頻繁項(xiàng)目集中構(gòu)造可信度不低于用戶(hù)設(shè)定的最低值的規(guī)則。分類(lèi)知識(shí) (Classification＆Clustering)n 分類(lèi)知識(shí)反映同類(lèi)事物 共同性質(zhì) 的特征型知識(shí)和不同事物之間的 差異型 特征知識(shí)。n 最為典型的分類(lèi)方法是基于決策樹(shù)的分類(lèi)方法。它是從實(shí)例集中構(gòu)造決策樹(shù)，是一種有指導(dǎo)的學(xué)習(xí)方法。n 數(shù)據(jù)分類(lèi)還有統(tǒng)計(jì)、粗糙集（ Rough Set）等方法。線(xiàn)性回歸和線(xiàn)性辨別分析是典型的統(tǒng)計(jì)模型。 為降低決策樹(shù)生成代價(jià)，人們還提出了一種區(qū)間分類(lèi)器。最近也有人研究使用神經(jīng)網(wǎng)絡(luò)方法在數(shù)據(jù)庫(kù)中進(jìn)行分類(lèi)和規(guī)則提取。 預(yù)測(cè)型知識(shí)（ Prediction）n 預(yù)測(cè)知識(shí)根據(jù)時(shí)間序列型數(shù)據(jù)，由歷史的和當(dāng)前的數(shù)據(jù)去推測(cè)未來(lái)的數(shù)據(jù)，也可以認(rèn)為是以時(shí)間為關(guān)鍵屬性的關(guān)聯(lián)知識(shí)。n 時(shí)間序列預(yù)測(cè)方法有經(jīng)典的統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等。 (Deviation)n 偏差型知識(shí)是對(duì)差異和極端特例的描述，揭示事物偏離常規(guī)的異?，F(xiàn)象，如標(biāo)準(zhǔn)類(lèi)外的特例，數(shù)據(jù)聚類(lèi)外的離群值等。5 數(shù)據(jù)挖掘的功能n 自動(dòng)預(yù)測(cè)趨勢(shì)和行為n 關(guān)聯(lián)分析n 聚類(lèi)n 概念描述 n 偏差檢測(cè) 自動(dòng)預(yù)測(cè)趨勢(shì)和行為 n 數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，以往需要進(jìn)行大量手工分析的問(wèn)題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。n 一個(gè)典型的例子是市場(chǎng)預(yù)測(cè)問(wèn)題，數(shù)據(jù)挖掘使用過(guò)去有關(guān)促銷(xiāo) A的數(shù)據(jù)來(lái)尋找未來(lái)投資中回報(bào)最大的用戶(hù)，其它可預(yù)測(cè)的問(wèn)題包括預(yù)報(bào)破產(chǎn)以及認(rèn)定對(duì)指定事件最可能作出反應(yīng)的群體。 關(guān)聯(lián)分析n 關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)。 若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱(chēng)為關(guān)聯(lián)。n 關(guān)聯(lián)可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。n 有時(shí)并不知道數(shù)據(jù)庫(kù)中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。 聚類(lèi)n 數(shù)據(jù)庫(kù)中的記錄可被化分為
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1