数据挖掘 复习总汇.doc

数据挖掘_复习总汇:从大型数据库的数据中提取人们感兴趣的知识。决策树:一个类似于流程图的树结构,内部节点表示一个属性(取值)上的测试,其分支代表每个结果;其每个叶子节点代表一个类别,树的最高节点就是根节点。聚类:将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程。数据分类:从数据库中发现数据对象的共性,并将数据对象分成不同的几类的一个过程。:***或关于一个组织想要记录的实体。:一个关联规则的内容涉及不同抽象层次的内容。:一个关联规则的内容涉及单一个层次的内容。:数据库中可能包含一些数据对象,它们与数据的一般行为或模型不一致。:一个面向主体的、集成的、时变的、非易失的数据集合,支持管理过程的决策制定。:数据仓库的一个部门子集,它针对选定的主题,因此是部门范围的。:将目标类对象的一般特性与一个或多个对比类对象的一般特性比较。:目标类数据的一般特征或特性的汇总。:指数据中存在错误、异常(偏离期望值)的数据。:感兴趣的属性没有值。:数据内涵出现不一致的情况。:消除数据中所存在的噪声以及纠正其不一致的错误。:将来自多个数据源的数据合并到一起构成一个完整的数据集。:通过删除冗余特征或聚类消除多余数据。:将一种格式的数据转换为另一种格式的数据。:预测分类标号(或离散值),在分类属性中的训练样本集和值(类标号)的基础上分类,数据(建立模型)并使用它分类新数据。:是一组数据对象的集合(是由聚类所生成的)。::是一个抽象层们能够让用户修改查看数据的方式,或者定义一个图表并在稍后转换实际的源。:菜单栏、标签页、解决方案资源管理器、属性窗口、错误窗口、设计窗口、设计标签。(顺时针方向填写)?分类是预测数据对象的离散类别,?第一步,建立一个模型,描述指定的数据类集或概念集;第二步,使用模型进行分类。?在决策树各级节点上选择属性时,用信息增益作为属性的选择标准,以使得在每一个叶节点进行测试时能获得关于被测试记录最大的类别信息。为什么朴素贝叶斯分类称为“朴素”的?简述朴素贝叶斯分类的主要思想。①朴素贝叶斯分类假定一个属性值对给定类的影响独立于其它属性的值。该假定称作类条件独立。做此假定是为了简化所需计算,并在此意义下称为“朴素的”。②设为一个类别未知的数据样本,H为某个假设,若数据样本X属于一个特定的类别C,分类问题就是决定P(H|X),即在获得数据样本X时假设成立的概率。神经网络的优点和缺点分别是什么?优点:其对噪音数据的高承受能力,以及它对未经过训练的数据的分类能力。缺点:需要很长的训练时间,因而对于有足够长训练时间的应用更合适。典型的数据挖掘系统主要由哪几部分组成?数据库,数据仓库或其他信息库;数据库或数据仓库服务器;知识库;数据挖掘引擎;?它们两者之间的区别是什么?联机事务处理OLTP(on-ransactionprocessing);联机分析处理OLAP(on-lineanalyticalprocessing);OLTP和OLAP的区别:用户和系统的面向性:OLTP面向顾客,而OLAP面向市场;数据内容:OLTP系统管理当前数据,而OLAP管理历史的数据;数据库设计:OLTP系统采用实体-联系(ER)模型和面向应用的数据库设计,而OLAP系统通常采用星形和雪花模型;视图:OLTP系统主要关注一个企业或部门内部的当前数据,而OLAP系统主要关注汇总的统一的数据;访问模式:OLTP访问主要有短的原子事务组成,而OLAP系统的访问大部分是只读操作,尽管许多可能是复杂的查询。?数据仓库收集了关于整个组织的主题信息,因此是企业范围的。对于数据仓库,通常使用星座模式,因为它能对多个相关的主题建模;数据集市是数据仓库的一个部门子集,它针对选定的主题,因此是部门范围的。对于数据集市,流行星型或雪花模式,因为它们都适合对单个主题建模。不完整数据的产生原因有哪些?有些属性的内容有时没有(2)有些数据当时被认为是不必要的(3)由于误解或检测设备失灵导致相关数据没有记录下来(4)与其他记录内容不一致而被删除(5)历史记录或对数据的修改被忽略了。?(1)数据采集设备有问题(2)在数据录入过程中发生了人为或计算机错误(3)数据传输