太原理工大学数据挖掘考试题库教程.doc

数据仓库：是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信息。 孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。 OLAP：OLAP是在OLTP的基础上发展起来的，以数据仓库为基础的数据分析处理，是共享多维信息的快速分析，是被专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持。 粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。 数据规范化：指将数据按比例缩放(如更换大单位)，使之落入一个特定的区域（如0－1）以提高数据挖掘效率的方法。规范化的常用方法有：最大－最小规范化、零－均值规范化、小数定标规范化。 关联知识：是反映一个事件和其他事件之间依赖或相互关联的知识。如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。 数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 OLTP：OLTP为联机事务处理的缩写，OLAP是联机分析处理的缩写。前者是以数据库为基础的，面对的是操作人员和低层管理人员，对基本数据进行查询和增、删、改等处理。 ROLAP：是基于关系数据库存储方式的，在这种结构中，多维数据被映像成二维关系表，通常采用星型或雪花型架构，由一个事实表和多个维度表构成。 MOLAP：是基于类似于“超立方”块的OLAP存储结构，由许多经压缩的、类似于多维数组的对象构成，并带有高度压缩的索引及指针结构，通过直接偏移计算进行存取。 数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 广义知识：通过对大量数据的归纳、概括和抽象，提炼出带有普遍性的、概括性的描述统计的知识。 预测型知识：是根据时间序列型数据，由历史的和当前的数据去推测未来的数据，也可以认为是以时间为关键属性的关联知识。 偏差型知识：是对差异和极端特例的描述，用于揭示事物偏离常规的异常现象，如标准类外的特例，数据聚类外的离群值等。 遗传算法：是一种优化有哪些信誉好的足球投注网站算法，它首先产生一个初始可行解群体，然后对这个群体通过模拟生物进化的选择、交叉、变异等遗传操作遗传到下一代群体，并最终达到全局最优。 聚类：是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。 聚类:通过聚类分析可以检测孤立点，将类似的值组织成群或“聚类”，直观看，落在聚类之外的值被看成孤立点。 决策树：是用样本的属性作为结点，用属性的取值作为分支的树结构。它是分类规则挖掘的典型方法，可用于对新样本进行分类。 相异度矩阵：是聚类分析中用于表示各对象之间相异度的一种矩阵，n个对象的相异度矩阵是一个nn维的单模矩阵，其对角线元素均为0，对角线两侧元素的值相同。 频繁项集：指满足最小支持度的项集，是挖掘关联规则的基本条件之一。 支持度：规则A→B的支持度指的是所有事件中A与B同地发生的的概率，即P(A∪B)，是AB同时发生的次数与事件总次数之比。支持度是对关联规则重要性的衡量。 可信度：规则A→B的可信度指的是包含A项集的同时也包含B项集的条件概率P(B|A)，是AB同时发生的次数与A发生的所有次数之比。可信度是对关联规则的准确度的衡量。 关联规则：同时满足最小支持度阈值和最小可信度阈值的规则称之为关联规则。 23 计算机和人工检查结合：通过结合的方法识别孤立点。 24 回归(regression):利用拟合函数(回归函数)来平滑数据。如找出两个变量的“最佳”直线。涉及多个变量的多线性回归是进一步扩展，即找多维面。回归出适合的数据方程式，进而帮助消除噪声。 数据集成：需要统一原始数据中的所有矛盾之处，如字段的:同名异义、同名同义、单位不统一、字长不一致，从而把原始数据在最低层上加以转换、提炼和集成。 常见数据集成： 模式集成：如不同库中的id或Number对应（元数据一致可避免模式集成中的错误)； 冗余问题：另一个表导出的属性，命名不一致导致的； 数据变换：将数据转换成适合于挖掘的形式，主要是找到数据的特征表示，对数据进行格式化处理，用维变换或转换方式减少有效变量的数目（降维）或找到数据的不变式 常见的数据变换： 平滑（smoothing）:去掉数据中的噪声，如用分箱、聚类和回归； 聚集：对数据进行汇总和聚集 　如聚集日销售数据，计算月或年销售额 　　（为多粒数据度分析准备数据立方体） 数据概化：利用概念分层，用高层次概念替换低层次“原始”数据，如 分