数据挖掘简介2.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,数据挖掘能做些什么,第一页，编辑于星期五：十二点 三十七分。,主要内容,概念描述,关联规则,分类与预测,聚类,分析方法,第二页，编辑于星期五：十二点 三十七分。,概念描述,概念描述（concept description）,概念：对一个包含大量数据的数据集合总体情况的概述。,概念描述,(concept description),：对含有大量数据的数据集合进行概述性的总结并获得简明、准确的描述。,第三页，编辑于星期五：十二点 三十七分。,关联规则,关联规则（Association Rule）,关联规则挖掘就是发现大量数据中项集之间有趣的关联,关联规则挖掘的典型案例：购物篮问题,在商场中拥有大量的商品（项目），如：牛奶、面包等，客户将所购买的商品放入到自己的购物篮中。,通过发现顾客放入购物篮中的不同商品之间的联系，分析顾客的购买习惯。,哪些物品经常被顾客购买？,同一次购买中，哪些商品经常会被一起购买？,一般用户的购买过程中是否存在一定的购买时间序列？,第四页，编辑于星期五：十二点 三十七分。,关联规则,基本表示形式：,前提条件,结论支持度,置信度,buys(x,“diapers”),buys(x,“beers”)0.5%,66%,major(x,“CS”)takes(x,“DB”),grade(x,“A”)1%,75%,具体应用：利润最大化,商品货架设计：更加适合客户的购物路径,货存安排：实现超市的零库存管理,用户分类：提供个性化的服务,第五页，编辑于星期五：十二点 三十七分。,分类与预测,分类与预测（Classification and Prediction）,研究已分类资料的特征，分析对象属性，据此建立一个分类函数或分类模型，然后运用该模型计算总结出的数据特征，将其他未经分类或新的数据分派到不同的组中。,预测是根据对象属性、过去的观察值和有关资料对该属性的未来值进行预测，预测使用的技巧主要是回归分析、神经网络方法等。,第六页，编辑于星期五：十二点 三十七分。,分类与预测,常用方法,决策树（decision tree）,贝叶斯分类（bayes classification）,人工神经网络（ANN）,K最近邻分类法（k-nearest neighbor classifier）,基于事例的推理（case-based reasoning）,遗传算法（genetic algorithm）,粗糙集方法（rough set approach）,模糊集方法（fuzzy set approach）,回归分析（regression analysis）,第七页，编辑于星期五：十二点 三十七分。,聚类,聚类分析（Clustering Analysis）,把数据对象的集合分组到不同的聚类中,聚类原则,同一类内的数据尽可能相似,不同类数据尽可能不相似,聚类实际上是一个,无导师分类,：没有预先给定类别信息,第八页，编辑于星期五：十二点 三十七分。,聚类,常用方法,基于划分的聚类分析方法,基于层次的聚类分析方法,基于密度的聚类分析方法,基于网格的聚类分析方法,基于模型的聚类分析方法,第九页，编辑于星期五：十二点 三十七分。,分析方法,特异点分析（Outlier Analysis）,与数据的一般行为或模式不一致。多数为噪声或异常数据，常被剔除。,在某些应用中，孤立点数据更有趣，如：银行诈骗，洗黑钱、恐怖行为。,有专门进行孤立点研究的方法与技术。统计方法是占主流，考察数据的分布，用距离来度量。,第十页，编辑于星期五：十二点 三十七分。,分析方法,演化分析（,time series analysis,）,对随时间变化的数据对象的变化规律和演化趋势进行建模分析。（时序数据库）,如对主要股票的交易数据进行,建模分析。,方法,趋势和偏差:回归分析,序列模式匹配：周期性分析,基于类似性的分析,第十一页，编辑于星期五：十二点 三十七分。,分析方法,文本分类（Text Mining）,网站挖掘（Web Mining）,空间数据挖掘（Spatial Mining）,第十二页，编辑于星期五：十二点 三十七分。,