数据挖掘学习笔记(4)

网站日志分析相关知识：

W3C扩展日志文件格式常用属性说明表

字段名	描述
客户端IP地址	访问服务器的任何客户端的IP地址
用户名称	访问服务器的用户名称
服务名	在客户机上运行的Internet服务
服务器名称	生成日志项的服务器名称
服务器IP	生成日志项的服务器IP地址
服务器端口	商户端连接到的端口号
方法	客户端试图执行的操作(例如，GET命令)
ServiceStatus	简单邮件传输协议(SMTP)回复代码
URI查询	客户端试图执行的查询(如果有)。在日志中记录了客户搜索以进行匹配的一个或多个搜索字符串
协议状态	以HTTP术语表示的操作的状态
发送的字节数	服务器发送的字节数
接收的字节数	服务器接收的字节数
所用时间	操作所需的时间长短
协议版本	客户端使用的协议(HTTP, FTP)版本。对于HTTP，是HTTP1.0或HTTP1.1
主机	计算机名
用户代理	在客户端使用的浏览器
Cookie	发送或接收的Cookie的内容(如果有)
引用站点	将用记指向当前站点的站点

常用服务器错误代码：

200——OK

206——Partial Content，部分内容

301——Moved Permanently，用户所访问的某个页面url已经做了301重定向(永久性)处理

302——Found，内容被暂时重定向，已经找到

304——Not Modified，未修改，采用缓存(cache)拷贝

401——Unauthorised(password required)，需要密码

403——Forbidden，不可访问

404——Not Found，没有内容

408——Request Timeout，请求超时

500——Server Error，通常是服务器发生错误，比如在维护或者下线了

以上几篇数据挖掘学习笔记都摘自于谭磊的《大数据挖掘》中，由电子工业出版社出版，该书以最通俗易懂的介绍性语言来介绍数据挖掘相关概念，原理，算法以及在实际生活中的应用，所讲知识全面易懂，思路清晰，从头读到尾一点不觉得乏味，个人觉得是一本相当不错的书，极力推荐各位有兴趣的朋友去看看。