零基础学习大数据挖掘的33个知识点整理

下面是一些关于大数据挖掘的知识点，今天和大家一起来学习一下。

 

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。

  在这里相信有许多想要学习大数据的同学，大家可以+下大数据学习裙：957205962，即可免费领取套系统的大数据学习教程

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：

1. 基于距离的分类方法

2. 决策树分类方法

3. 贝叶斯分类方法

4. 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：

1. 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。

2. 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：

• 准确性：挖掘出的规则必须反映数据的实际情况。

• 实用性：挖掘出的规则必须是简洁可用的。

• 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。<