机器学习与数据挖掘复习.pdfVIP

机器学习与数据挖掘复习--第1页

机器学习与数据挖掘复习

第一章：Introduction

1.什么是数据挖掘：数据挖掘时从大量的数据中取出令人感兴趣的知识（令人感兴趣的知

识：有效地、新颖的、潜在有用的和最终可以理解的）。

2.数据挖掘的分类（从一般功能上的分类）：

a)描述型数据挖掘（模式）：聚类，summarization，关联规则，序列发现。

b)预测型数据挖掘（值）：分类，回归，时间序列分析，预测。

3.KDD（数据库中的知识发现）的概念：KDD是一个选择和提取数据的过程，它能自动地发

现新的、精确的、有用的模式以及现实世界现象的模型。数据挖掘是KDD过程的一个主要的

组成部分。

4.用数据挖掘解决实际问题的大概步骤：

a)对数据进行KDD过程的处理来获取知识。

b)用知识指导行动。

c)评估得到的结果：好的话就循环使用，不好的话分析、得到问题然后改进。

5.KDD过程中的角色问题：

6.整个KDD过程：

a)合并多个数据源的数据。

b)对数据进行选择和预处理。

c)进行数据挖掘过程得到模式或者模型。

d)对模型进行解释和评价得到知识。

1/13

机器学习与数据挖掘复习--第1页

机器学习与数据挖掘复习--第2页

第二章数据和数据预处理

1.什么是数据：数据是数据对象和它的属性的集合。一个属性是一个对象的性质或特性。

属性的集合描述了一个对象。

2.属性的类型：

a)标称（nominal）：它的值仅仅是不同的名字，只是提供足够的信息来区分对象。例

如邮政编码、ID、性别。

b)序数：序数属性的值提供足够的信息确定对象的序。例如硬度、成绩、街道号码。

c)区间：对于区间属性，值之间的差是有意义的，即存在测量单位。例如日历日期、

温度。

d)比率：对于比率变量，差和比率都是有意义的。例如绝对温度、年龄、质量、长度。

3.用值的个数描述属性：

a)离散的：离散属性具有有限惑无限可数个值，这样的属性可以是分类的。

b)连续的：连续属性是取实数值的属性。

4.非对称属性：对于非对称属性，出现非零属性值才是最重要的。

5.数据集的类型：

a)记录型数据：每一个数据对象都是有固定数目的属性组成的。

数据矩阵：如果一个数据集中的所有数据对象都具有相同的数值属性集，则数据对

象可以看做是多维空间中的点，其中每个位代表描述对象的一个不同属性。

文档数据：每个文档看成是一个向量。

事务数据：每一个事务涉及一个项的集合。

b)图数据：可以表示数据对象间的关系或者是数据对象本身就是用图形表示。

c)有序数据：属性在时间或者空间上有关系。

时态数据：记录型数据的扩展，但是每个记录都有一个时间。

序列数据：由数据构成的序列，没有时间，但表述了一个时间的先后顺序。

时间序列数据：每个记录都是一个时间序列。

空间数据：属性和空间位置有关。

6.噪声和离群点的区别：噪声是对原始值产生了修改；离群点是具有不同于数据集中其他

大部分数据对象的特征的数据对象，或是相对于该属性的典型值不寻常的属性值。

7.如何处理噪声数