1数据挖掘每章知识.pdf

第一章 1.数据挖掘定义：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提 取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 2.不能在原数据库上做决策而要建造数据仓库的原因： 传统数据库的处理方式和 决策分析中的数据需求不相称， 主要表现在： ⑴决策处理的系统响应问题⑵决策 数据需求的问题⑶决策数据操作的问题 3.数据仓库的定义 W.H.Inmon 的定义：数据仓库是一个面向主题的、集成的、非易失的且随时间变 化的数据集合，用来支持管理人员的决策。 公认的数据仓库概念基本上采用了 W.H.Inmon 的定义：数据仓库是面向主题的、 集成的、不可更新的（稳定性）随时间不断变化（不同时间）的数据集合，用以 支持经营管理中的决策制定过程。 4.数据仓库与数据挖掘的关系： ⑴数据仓库系统的数据可以作为数据挖掘的数据源。 数据仓库系统能够满足数据 挖掘技术对数据环境的要求， 可以直接作为数据挖掘的数据源。 ⑵数据挖掘的数 据源不一定必须是数据仓库系统。 数据挖掘的数据源不一定必须是数据仓库， 可 以是任何数据文件或格式， 但必须事先进行数据预处理， 处理成适合数据挖掘的 数据。 5. 数据挖掘的功能—— 7 个方面 ： ⑴概念描述： 对某类对象的内涵进行描述， 并概括这类对象的有关特征。 ①特征 性描述②区别性描述 ⑵关联分析： 若两个或多个变量间存在着某种规律性， 就称为关联。 关联分析的 目的就是找出数据中隐藏的关联网。 ⑶分类与预测①分类②预测 ⑷聚类分析： 客观的按被处理对象的特征分类， 将有相同特征的对象归为一类。 ⑸趋势分析： 趋势分析——时间序列分析， 从相当长的时间的发展中发现规律和 趋势。 ⑹孤立点分析：孤立点：数据库中包含的一些与数据的一般行为或模型不一致 的数据。 ⑺偏差分析： 偏差分析——比较分析， 是对差异和极端特例的描述， 揭示事物偏 离常规的异常现象。 6. 数据挖掘常用技术： ⑴数据挖掘算法是数据挖掘技术的一部分 ⑵数据挖掘技术用于执行数据挖掘功能。 ⑶一个特定的数据挖掘功能只适用于给定的领域。 按照上述思想， 数据挖掘技术 主要包含以下几种： ⑴聚类检测方法⑵决策树方法 ⑶人工神经网络方法。 人工神经网络方法：前馈式网络、反馈式网络和自组织网络。 7. 遗传算法基本算子：繁殖、交叉和变异。 8.数据挖掘应用领域： ⑴金融业⑵保险业⑶零售业⑷科学研究⑸其他领域 9. 数据挖掘研究方向： （1）专门用于知识发现的形式化和标准化的数据挖掘语言； （2）数据挖掘过程中的便于用户理解的及人机交互的可视化方法； （3）网络环境下的数据挖掘技术； （4）加强对各种非结构化数据的挖掘。 10. 数据挖掘应用的热点： （1）网站的数据挖掘（ 2 ）生物信息或基因的数据挖掘（ 3 ）文本的数据挖掘 11. 数据挖掘技术是一门综合性的技术领域，主要涉及数据库、人工智能和数理 统计 3 个技术领域。 12. 数据挖掘产生的前提是：从大量数据中找出隐藏在其中的、有用的信息和规 律；计算机技术和信息技术的发展使其有能力处理这样大量的数据。 第二章 1.主题：是一个抽象的概念，是在较高层次上将企业信息系统中的数据综合、归 类并进行分析利用的抽象。 面向主题的数据组织方式， 就是在较高层次上对分析 对象的数据的一个完整、 一致的描述， 能完整、 统一地刻画各个分析对象所涉及 的企业的各项数据，以及数据之间的联系。 从信息管理的角度——在一个较高的管理层次上对信息系统中的数据按照某一 具体的管理对象进行综合、归类所形成的分析对象。 从数据组织的角度——一些数据集合，