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类或概念的模型(或函数)，以便能够使用模型预测类标号未知的对象。导出模型是基于对训练数据集（即，其类标号已知的数据对象）的分析。“如何提供导出模型？”导出模式可以用多种形式表示，如分类（IF-THEN）规则、判定树、数学公式、或神经网络。判定树是一个类似于流程图的结构，每个结点代表一个属性值上的测试，每个分枝代表测试的一个输出，树叶代表类或类分布。判定树容易转换成分类规则。当用于分类时，神经网络是一组类似于神经元的处理单元，单元之间加权连接。分类可以用来预测数据对象的类标号。然而，在某些应用中，人们可能希望预测某些遗漏的或不知道的数据值，而不是类标号。当被预测的值是数值数据时，通常称之为预测。尽管预测可以涉及数据值预测和类标号预测，通常预测限于值预测，并因此不同于分类。预测也包含基于可用数据的分布趋势识别。相关分析可能需要在分类和预测之前进行，它试图识别对于分类和预测无用的属性。这些属性应当排除。