1. 数据、信息和知识是广义数据表现的不同形式。
2. 主要知识模式类型有:广义知识,关联知识,类知识,预测型知识,特异型知识
3. web挖掘研究的主要流派有:Web结构挖掘、Web使用挖掘、Web内容挖掘
4. 一般地说,KDD是一个多步骤的处理过程,一般分为问题定义、数据抽取、数据预处理、.数据挖掘以及模式评估等基本阶段。
5. 数据库中的知识发现处理过程模型有:阶梯处理过程模型,螺旋处理过程模型,以用户为中心的处理结构模型,联机KDD模型,支持多数据源多知识模式的KDD处理模型
6. 粗略地说,知识发现软件或工具的发展经历了独立的知识发现软件、横向的知识发现工具集和纵向的知识发现解决方案三个主要阶段,其中后面两种反映了目前知识发现软件的两个主要发展方向。
7. 决策树分类模型的建立通常分为两个步骤:决策树生成,决策树修剪。
8. 从使用的主要技术上看,可以把分类方法归结为四种类型:
a) 基于距离的分类方法
b) 决策树分类方法
c) 贝叶斯分类方法
d) 规则归纳方法
9. 关联规则挖掘问题可以划分成两个子问题:
a) 发现频繁项目集:通过用户给定Minsupport ,寻找所有频繁项目集或者最大频繁项目集。
b) 生成关联规则:通过用户给定Minconfidence ,在频繁项目集中,寻找关联规则。
10. 数据挖掘是相关学科充分发展的基础上被提出和发展的,主要的相关技术:
数据库等信息技术的发展
统计学深入应用
人工智能技术的研究和应用
11. 衡量关联规则挖掘结果的有效性,应该从多种综合角度来考虑:
a 准确性:挖掘出的规则必须反映数据的实际情况。
b 实用性:挖掘出的规则必须是简洁可用的。
c 新颖性:挖掘出的关联规则可以为用户提供新的有价值信息。
12. 约束的常见类型有:
单调性约束;
反单调性约束;
可转变的约束;
简洁性约束.
13. 根据规则中涉及到的层次,多层次关联规则可以分为:
同层关联规则:如果一个关联规则对应的项目是同一个粒度层次,那么它是同层关联规则。
层间关联规则:如果在不同的粒度层次上考虑问题,那么可能得到的是层间关联规
14. 按照聚类分析算法的主要思路,聚类方法可以被归纳为如下几种。
划分法:基于一定标准构建数据的划分。
属于该类的聚类方法有:k-means、k-modes、k-prototypes、k-medoids、PAM、CLARA、CLARANS等。
层次法:对给定数据对象集合进行层次的分解。
密度法:基于数据对象的相连密度评价。
网格法:将数据空间划分成为有限个单元(Cell)的网格结构,基于网格结构进行聚类。
模型法:给每一个簇假定一个模型,然后去寻找能够很好的满足这个模型的数据集。
15. 类间距离的度量主要有:
最短距离
2. 主要知识模式类型有:广义知识,关联知识,类知识,预测型知识,特异型知识
3. web挖掘研究的主要流派有:Web结构挖掘、Web使用挖掘、Web内容挖掘
4. 一般地说,KDD是一个多步骤的处理过程,一般分为问题定义、数据抽取、数据预处理、.数据挖掘以及模式评估等基本阶段。
5. 数据库中的知识发现处理过程模型有:阶梯处理过程模型,螺旋处理过程模型,以用户为中心的处理结构模型,联机KDD模型,支持多数据源多知识模式的KDD处理模型
6. 粗略地说,知识发现软件或工具的发展经历了独立的知识发现软件、横向的知识发现工具集和纵向的知识发现解决方案三个主要阶段,其中后面两种反映了目前知识发现软件的两个主要发展方向。
7. 决策树分类模型的建立通常分为两个步骤:决策树生成,决策树修剪。
8. 从使用的主要技术上看,可以把分类方法归结为四种类型:
a) 基于距离的分类方法
b) 决策树分类方法
c) 贝叶斯分类方法
d) 规则归纳方法
9. 关联规则挖掘问题可以划分成两个子问题:
a) 发现频繁项目集:通过用户给定Minsupport ,寻找所有频繁项目集或者最大频繁项目集。
b) 生成关联规则:通过用户给定Minconfidence ,在频繁项目集中,寻找关联规则。
10. 数据挖掘是相关学科充分发展的基础上被提出和发展的,主要的相关技术:
数据库等信息技术的发展
统计学深入应用
人工智能技术的研究和应用
11. 衡量关联规则挖掘结果的有效性,应该从多种综合角度来考虑:
a 准确性:挖掘出的规则必须反映数据的实际情况。
b 实用性:挖掘出的规则必须是简洁可用的。
c 新颖性:挖掘出的关联规则可以为用户提供新的有价值信息。
12. 约束的常见类型有:
单调性约束;
反单调性约束;
可转变的约束;
简洁性约束.
13. 根据规则中涉及到的层次,多层次关联规则可以分为:
同层关联规则:如果一个关联规则对应的项目是同一个粒度层次,那么它是同层关联规则。
层间关联规则:如果在不同的粒度层次上考虑问题,那么可能得到的是层间关联规
14. 按照聚类分析算法的主要思路,聚类方法可以被归纳为如下几种。
划分法:基于一定标准构建数据的划分。
属于该类的聚类方法有:k-means、k-modes、k-prototypes、k-medoids、PAM、CLARA、CLARANS等。
层次法:对给定数据对象集合进行层次的分解。
密度法:基于数据对象的相连密度评价。
网格法:将数据空间划分成为有限个单元(Cell)的网格结构,基于网格结构进行聚类。
模型法:给每一个簇假定一个模型,然后去寻找能够很好的满足这个模型的数据集。
15. 类间距离的度量主要有:
最短距离