策树表示一系列的问题,每个问题决定了继续下去的问题会是什么。Р决策树方法适合于处理费数值型数据。Р(3)人工神经网络方法Р人工神经网络方法主要用于分类、聚类、特征挖掘、预测等方面。它通过向一个训练数据集学习和应用所学知识,生成分类和预测的模式。对于数据是不定性的和没有任何明显模式的情况,应用人工神经网络比较有效。Р人工神经网络方法主要有:前馈式网络、反馈式网络和自组织网络。Р(4)遗传算法Р该算法模仿人工选择培育良种的思路,从一个初始规则集合开始,迭代地通过交换对象成员产生群体,评估并择优复制,优胜劣汰逐代积累计算,最终得到最有价值的知识集。Р繁殖:从一个旧种群选择出生命力强的个体产生新种群的过程。Р交叉:选择两个不同个体的部分进行交换,形成新个体的过程。Р变异:对某些个体的某些基因进行变异。Р(5)关联分析方法Р包含关联发现(能够系统地、有效地得到关联规则,找出关联组合,在关联组合中,如果出现某一项,另一项也会出现)、序列模式发现(找到时间上连续的事件)和类似的时序发现模式(先找到一个事件顺序,再推测出其它类似的事件顺序)。Р(6)基于记忆的推理算法Р即使用一个模型的已知实例来预测未知的实例。Р1.3.3数据挖掘的过程Р1.4数据挖掘应用实例Р某些具有特定的应用问题和应用背景的领域是最能体现数据挖掘作用的应用领域。Р1.5数据挖掘的发展趋势Р1.5.1数据挖掘研究方向Р(1)专门用于知识发现的形式化和标准化的数据挖掘语言。Р(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。Р(3)网络环境下的数据挖掘技术。Р(4)加强对各种非结构化数据的挖掘。Р1.5.2数据挖掘应用的热点Р(1)网站的数据挖掘Р(2)生物信息或基因的数据挖掘Р(3)文本的数据挖掘Р教学后记Р本章节的重点是数据挖掘与数据仓库的定义,难点是它们的应用价值,学生对它们的应用领域及案例相对较为感兴趣。
全文预览
