针对挖掘算法建立的.建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。Р2.3.3?数据挖掘Р对所得到的经过转换的数据进行挖掘.除了完善和选择合适的挖掘算法外,其余一切工作都能自动地完成。Р2.3.4?分析和同化Р结论分析:解释并评估结果,其使用的分析方法一般应作数据挖掘操作而定,通常会用到可视化技术。Р知识的同化:将分析所得到的知识集成到业务信息系统的组织结构中去。Р2.4 数据挖掘的常用方法吕晓玲、谢邦昌编著. 数据挖掘方法与应用.中国人民大学出版社,2009-1-1Р2.4.1?市场篮分析(Market Basket Analysis)Р找到在一次交易或活动中会同时出现的对象,由此得到的模型将给出一组对象同时出现的可能性。其具体方法是计算训练集中各种对象组合出现的概率,当概率超过一定的阈值时,可以认为该对象组合代表了会同时出现的对象。Р2.4.2?基于记忆推理(Memory-Based Reason-ing, MBR)Р这种方法用已知对象的特征(记忆)来估计未知对象的特征。MBR在已知对象集合中寻找与未知对象最接近的对象,然后将这些对象特征组合起来估计未知对象的特征。MBR的关键在于正确定义用来寻找最接近对象的距离函数和组合对象特征的组合函数。Р2.4.3?聚集分析(Cluster Detection)Р通过对数据的分析将一个数据集分为几个特征相同的簇,即把特征相同的数据聚集在一起。Р2.4.4?链路分析(Link Analysis)Р它用来分析对象之间的关系。具体方法是将对象(数据)看成是图的节点,它们之间存在的关系看成是图的边(链路),然后用图论的方法进行分析。Р2.4.5?决策树(Decision Tree)Р它将训练集中数据分为不相交的子集,每个子集可由一定的规则来描述。此规则在逻辑上具有层次结构,因此可用树型数据结构来表示,树上的每个节点代表一条规则。
全文预览
