关于数据挖掘其中的一些基本概念的理解
2015-05-07 22:42
323 查看
分类(classification)是这样的过程,他找出描述和区分数据类或概念的模型,以便能够使用模型预测类标号未知的对象的类标号。注:分类预测离散的,无序的类别标号。
回归(regression)是建立连续函数值模型,也就是说回归用来预测缺失的或难以获得的数值数据值。
相关分析(relevance analysis),在分类和回归之前进行,它试图识别与分类和回归过程显著相关的属性。我们将选取这些属性用于分类和回归过程,其他不相关的属性可以暂时不考虑。
聚类分析(clustering),分析数据对象而不考虑类标号,在许多情况下,开始并不存在标记类的数据,可以使用聚类产生数据组群的类标号。
离群点分析(outlier analysis),数据集中可能包含一些数据对象,他们与数据的一般行为或模型不一致,这些数据对象就是离群点,大部分数据挖掘方法都将离群点视为噪声或立场丢弃,然而这些罕见的事件可能比正常出现的事件更令人感兴趣,例如:通过检测一个给定账号与正常的付费相比付款数额特别巨大,离群点分析可以用来发现信用卡欺骗性使用。离群点还可以通过购物地点和类型或购物频率来检测。
回归(regression)是建立连续函数值模型,也就是说回归用来预测缺失的或难以获得的数值数据值。
相关分析(relevance analysis),在分类和回归之前进行,它试图识别与分类和回归过程显著相关的属性。我们将选取这些属性用于分类和回归过程,其他不相关的属性可以暂时不考虑。
聚类分析(clustering),分析数据对象而不考虑类标号,在许多情况下,开始并不存在标记类的数据,可以使用聚类产生数据组群的类标号。
离群点分析(outlier analysis),数据集中可能包含一些数据对象,他们与数据的一般行为或模型不一致,这些数据对象就是离群点,大部分数据挖掘方法都将离群点视为噪声或立场丢弃,然而这些罕见的事件可能比正常出现的事件更令人感兴趣,例如:通过检测一个给定账号与正常的付费相比付款数额特别巨大,离群点分析可以用来发现信用卡欺骗性使用。离群点还可以通过购物地点和类型或购物频率来检测。
相关文章推荐
- 数据仓库与数据挖掘的一些基本概念
- 机器学习&数据挖掘笔记_15(关于凸优化的一些简单概念)
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 机器学习&数据挖掘笔记_15(关于凸优化的一些简单概念)
- 数据仓库与数据挖掘的一些基本概念
- 数据结构中关于图的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念
- 数据结构中关于树的一些基本概念--随时更新 推荐
- 数据仓库与数据挖掘的一些基本概念
- 数据仓库与数据挖掘的一些基本概念