数据挖掘算法综述_张君枫.pdf

年 月 第 期 2010 8 电 脑 学 习 4 数据挖掘算法综述 张君枫* 摘 要：本文主要对数据挖掘的常用算法进行综合研究和比较，分析各个算法的利弊与适用情况。 关键词：数据挖掘 分类 预测 聚类 中图分类号：TP301 文献标识码： A 文章编号：1002－2422 （2010）04－0120－03 Summary of Data Mining Algorithm Zhang Junfeng Abstract: The paper makes the comprehensive study of common data mining algorithms, and analyzes the advantages and dis－ advantages of the algorithms as well as applicable situations． Keyword: Data Mining Classification Prediction Clustering [3] 1 数据挖掘的主要研究内容 联规则挖掘算法的核心，也是计算量最大的部分 。 数据挖掘的任务是发现隐藏在数据中的模式，可以发 关联规则中最典型的是购物篮分析，在关联规则的分 [2] 析中有助于发现交易数据库中不同商品之间的联系，找出 现的模式分为两大类：描述型模式和预测型模式 。描述型 模式是对当前数据中存在的事实做规范描述，刻画当前数 顾客购买的行为模式。 据的一般特性；而预测型模式则是以时间为关键参数，对于 分类就是通过构造一个分类函数，把具有某些特征的 时间序列型数据，根据其历史和当前的值预测未来的值。 数据项划分到某个给定的类别上。分类由模型创建和模型 关联模式是反映一个事件和其他事件之间依赖或关联 使用两步组成，模型创建是指通过对训练数据集的学习来 的知识，其目的是为了生成部分数据的概要，寻找数据子集 建立分类模型；模型使用是指使用分类模型对测试数据和 之间关联关系与数据之间的派生关系，即在同一事件中出 新的数据进行分类。训练数据集中的数据带有类标号，通过 现的不同项之间的相关性。如果两项或多项属性之间存在 训练集的训练，使得使用分类函数可以把标号未知的数据 [4] 关联，那么就可以依据已知的属性值预测某一项的属性值。 正确的分类到其相