数据挖掘课程复习提纲(40)资料.pdf
版权申诉
199 浏览量
2022-07-14
20:16:14
上传
评论 1
收藏 2.35MB PDF 举报
数据挖掘课程复习提纲（ 4+0 ）
有关考试题型：
一、选择题（每题 2 分，共 16 分）
二、判断题（每题 1 分，共 10 分）
三、填空题（每空 1 分，共 19 分）
四、简答题（每题 5 分，共 15 分）
五、计算题（每题 10 分，共 40 分） 基本要求：掌握数据预处理、分类、聚类、关联分析、
离群点检测的基本方法，及 每类方法的应用场景（每类方法理解、熟悉一个例子）。算法重点
掌握 k-means 、
一趟聚类、Appriori 及基于密度的离群点检测方法；掌握决策树分类（C4.5、CART）、 KNN
分类的基本思想，基于聚类的离群点检测方法的思想。
第一章 绪论
1 数据挖掘的定义
技术层面：数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据 中，提取隐含在其
中、人们事先不知道的、但又潜在有用的信息和知识的过程。
商业层面：数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量 业务数据进行抽
取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。
2 数据挖掘的任务
预测任务：根据其它属性的值预测特定（目标）属性的值，如回归、分类、异常检测。 描述任
务：寻找概括数据中潜在联系的模式，如关联分析、聚类分析、序列模式挖掘。
聚类
（Clustering）
分析 “物以类聚，人以群分”。聚类分析技术试图找出数据集中数据的共性和差
异，并将具有 共性的对象聚合在相应的簇中。聚类分析可以帮助判断哪些组合更有意义，聚类分析已广泛应 用于
客户细分、定向营销、信息检索等领域。
分类
（Classification）
分析 分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述，
或建立分析模 型，或挖掘出分类规则，然后用这个分类模型或规则对数据库中的其它记录进行分类。分类分 析已
广泛应用于用户行为分析
（
受众分析
）
、风险分析、生物科学等领域。
聚类与分类的区别
聚类问题是无指导的：没有预先定义的类。 分类问题是有指导的：预先定义有类。
剩余23页未读，继续阅读
资源评论
a66889999
- 粉丝: 36
- 资源: 1万+
最新资源
- 机器学习和数据挖掘课程设计-米其林餐厅数据挖掘管理系统源码+使用文档说明.zip
- html html html展示我与ai的对化
- 数据结构课程设计-全国交通出行咨询模拟系统C语言实现源码.zip
- cef-binary-109.0.1+gcd5e37a+chromium-109.0.5414.8-windows32
- 基于C语言的全国交通咨询系统模拟源码.zip
- 正点原子HAL库 STM32F4 DMA（学习自用附源码）
- 炫酷代码雨，超级炫酷哦！！！
- 基于物联网MQTT协议的智能停车场管理系统
- POETIZE个人博客系统源码 - 最美博客
- 基于深度学习的行人检测系统源码+项目说明（YoloV3+Tensorflow）.zip
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
