数据挖掘概念与技术原书第2版第4章_数据立方体计算与数据泛化体.ppt.pdf

 数据泛化 ◦ 通过将相对层次较低的值（如属性age的数值）用较高层次 的概念（如青年、中年、老年）置换来汇总数据 1 2 (青年,中年,老年) 概念层 3 4 5 (17,18,19,…,34,35,36,…,56,57,…)  主要方法： ◦ 数据立方体（OLAP使用的方法） ◦ 面向属性的归纳方法 1 2  数据泛化  从数据分析的角度看，数据挖掘可以分为描述性挖 ◦ 数据库中的数据和对象通常包含原始概念层的细节信息，数 掘和预测性挖掘 据泛化就是将数据库中的跟任务相关的大型数据集从相对较 低的概念层抽象到较高的概念层的过程。 ◦ 描述性挖掘：以简洁概要的方式描述数据，并提供数据的 有趣的一般性质。 1  E.g. 数据泛化就是一种描述性数据挖掘 2 (Month, *, *) ◦ 预测性数据挖掘：通过分析数据建立一个或一组模型，并 概念层 3 试图预测新数据集的行为。 4  E.g 分类、回归分析等 5 (Month, city, customer_group)  主要方法： ◦ 数据立方体（OLAP使用的方法） ◦ 面向属性的归纳方法