数据挖掘笔记1

概念/类描述：特征和区分

数据可以与类或概念相关联。

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，将目标类与一个或多个比较类（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。该过程将在第2 章介绍数据仓库时进一步详细讨论。面向属性的归纳技术可以用来进行数据的泛化和特征化，而不必一步步地与用户交互。这一技术将在第5 章讨论。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

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。

分类和预测

分类是这样的过程，它找描述或识别数据