大数据项目实训总结_大数据分析必备知识点总结

今天给大家分享一篇关于大数据分析必备知识点总结，下面我们一起来看一下吧。

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：
基于距离的分类方法
决策树分类方法
贝叶斯分类方法
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：
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。
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;