《数据挖掘概念与技术》学习笔记第1章(1/10)引言

可伸缩性：

一个算法是可伸缩的(scalable) ，如果给定内存和磁盘空间等可利用的系统资源，其运行时间应当随数据库大小线性增加。

 

数据仓库data warehouse ：

数据仓库是从多个数据源收集的信息存储，存放在一个一致的模式下，并通常驻留在单个站点。

 

数据集市data mart ：

数据集市是数据仓库的一个部门子集。

 

孤立点outlier:

大部分数据挖掘方法将孤立点是为噪声或异常而丢弃，然而在一些应用中( 如欺骗检测) ，罕见的时间可能比正常出现的那些更有趣。

 

规则：

对于形如X=>Y 的关联规则，一种客观度量是规则的支持度(support) ，规则的支持度表示满足规则的样本百分比。

支持度是概率P(X ∪Y) ，其中X ∪Y 表示同时包含X 和Y 的事务，即项集X 和Y 的并。另一种客观度量是置信度(confidence) 。

置信度是条件概率P(Y|X) ，及包含X 的事务也包含Y 的概率。

Support(X=>Y)=P(X ∪Y)

confidence (X=>Y)=P(Y|X)

用户子集可以控制这些兴趣度度量的阈值。