序論數(shù)據(jù)挖掘ppt課件-資料下載頁
2025-05-12 08:29本頁面
【正文】 = “fair” THEN buys_puter = “no”聚類分析n 聚類分析：q 將物理或抽象對象的集合分組成為由類似的對象組成的多個(gè)類的過程。q 最大化類內(nèi)的相似性和最小化類間的相似性n 例：對 WEB日志的數(shù)據(jù)進(jìn)行聚類，以發(fā)現(xiàn)相同的用戶訪問模式孤立點(diǎn)分析n 孤立點(diǎn)分析q 孤立點(diǎn) :一些與數(shù)據(jù)的一般行為或模型不一致的孤立數(shù)據(jù)q 通常孤立點(diǎn)被作為 “噪音 ”或異常被丟棄，但在欺騙檢測中卻可以通過對罕見事件進(jìn)行孤立點(diǎn)分析而得到結(jié)論。n 應(yīng)用q 信用卡欺詐檢測q 移動電話欺詐檢測q 客戶劃分q 醫(yī)療分析（異常）趨勢和演變分析n 描述行為隨時(shí)間變化的對象的發(fā)展規(guī)律或趨勢（時(shí)序數(shù)據(jù)庫）q 趨勢和偏差 : 回歸分析q 序列模式匹配：周期性分析q 基于類似性的分析所有模式都是有趣的嗎？n 數(shù)據(jù)挖掘可能產(chǎn)生數(shù)以千計(jì)的模式或規(guī)則，但并不是所有的模式或規(guī)則都是令人感興趣的。n 模式興趣度的度量q 一個(gè)模式是有趣的，如果 (1) 它易于被人理解 ；（ 2）在某種程度上，對于新的或測試數(shù)據(jù)是有效的；（ 3）具有潛在效用；（ 4）新穎的；（ 5）符合用戶確信的某種假設(shè)n 模式興趣度的客觀和主觀度量q 客觀度量 : 基于所發(fā)現(xiàn)模式的結(jié)構(gòu)和關(guān)于它們的統(tǒng)計(jì)， 比如： 支持度、置信度等等q 主觀度量 : 基于用戶對數(shù)據(jù)的判斷。比如：出乎意料的、新穎的、可行動的等等能夠產(chǎn)生所有有趣模式并且僅產(chǎn)生有趣模式嗎？n 找出所有有趣的模式 : 數(shù)據(jù)挖掘算法的完全性問題q 數(shù)據(jù)挖掘系統(tǒng)能夠產(chǎn)生所有有趣的模式嗎 ?q 試探搜索 q 關(guān)聯(lián) vs. 分類 vs. 聚類n 只搜索有趣的模式 : 數(shù)據(jù)挖掘算法的最優(yōu)化問題q 數(shù)據(jù)挖掘系統(tǒng)可以僅僅發(fā)現(xiàn)有趣的模式嗎？q 方法n 首先生成所有模式然后過濾那些無趣的 .n 僅僅生成有趣的模式 — 挖掘查詢優(yōu)化數(shù)據(jù)挖掘 :多個(gè)學(xué)科的融合數(shù)據(jù)挖掘數(shù)據(jù)庫系統(tǒng) 統(tǒng)計(jì)學(xué)其他學(xué)科算法機(jī)器學(xué)習(xí) 可視化數(shù)據(jù)挖掘系統(tǒng)的分類 (1)n 數(shù)據(jù)挖掘的多學(xué)科融合的特性，決定了數(shù)據(jù)挖掘的研究將產(chǎn)生種類繁多的數(shù)據(jù)挖掘系統(tǒng)。n 根據(jù)所挖掘的數(shù)據(jù)庫分類q 關(guān)系數(shù)據(jù)庫，事務(wù)數(shù)據(jù)庫，流式數(shù)據(jù)，面向?qū)ο髷?shù)據(jù)庫，對象關(guān)系數(shù)據(jù)庫，數(shù)據(jù)倉庫，空間數(shù)據(jù)庫，時(shí)序數(shù)據(jù)庫，文本數(shù)據(jù)庫，多媒體數(shù)據(jù)庫，異構(gòu)數(shù)據(jù)庫，歷史數(shù)據(jù)庫， WWW數(shù)據(jù)挖掘系統(tǒng)的分類 (2)q 根據(jù)挖掘的知識類型n 特征分析 , 區(qū)分 , 關(guān)聯(lián)分析 , 分類聚類 , 孤立點(diǎn)分析 /演變分析 , 偏差分析等等 .n 多種方法的集成和多層機(jī)挖掘q 根據(jù)挖掘所用的技術(shù)n 面向數(shù)據(jù)庫的挖掘、數(shù)據(jù)倉庫 、 OLAP(在線分析處理 )、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、可視化等等 .q 根據(jù)挖掘所用的應(yīng)用n 金融 ,電信 ,銀行 , 欺詐分析 , DNA分析 ,股票市場 , Web挖掘等等 .
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1