北科数据挖掘课件（张德政）.pdf

（CognitionBasedKnowledgeDiscoveryinDatabase

KDDofComplexDataObject）

——张德政

数据、信息、知识

-我们经常将数据看成一串位，或数字和符号，或我们每

天收集的“对象”。

-信息是减少到表征数据所需的最小数据。

-知识是作为我们的“精神图片”被理解、发现或学习的

一种综合信息，包括事实及其关系。

数据、信息、知识的关系

Value

DSS

MIS:Management

InformationSystem

DSS:DecisionSupport

Systems

MIS

(操作进程)

数据分类

1）按照数据所属行业类别分类

Ø科学数据：科学研究过程中产生的数据

–天、地、生等自然科学

–政治、经济等社会科学

Ø生产数据：加工制造生产过程产生的数据

–生产制造过程

–仓储物流过程

–生产管理过程

数据及数据分类

2）按照数据来源分类

•人类交互过程的数据

–各专业行业业务

–社会政治经济活动

•物联网数据：设备检测、监测、控制数据

–仪器设备状态

–流程过程控制

–环境监测

数据及数据分类

3）按照数据类型分类

•结构化数据

–数据元素之间的语义关系清晰简单

–语义关系可形式化表达

–结构化数据，即行数据,存储在关系型数据库中,

可以用二维表结构来逻辑表达实现的数据，例如

Oracle，DB2，SQLServer等数据库中的数据

数据及数据分类

3）按照数据类型分类

•半结构化数据

–宏观结构清晰

–微观结构语义复杂

–半结构化，字段可根据需要扩充，即字段数目不

定，可称为半结构化数据，例如XML，具有一定格

式的文本

数据及数据分类

3）按照数据类型分类

•非结构化数据

–音频，文本

–图片

–视频

–非结构化：无法用数字或统一的结构表示，例如

Web页面，文本，视频，音频，图像等。

实例—结构化数据

由东京医学和Dent大学的松本(Tsumoto)教授提出的医学数据，有38

个属性：

...

10,M,0,10,10,0,0,0,SUBACUTE,37,2,1,0,15,-,-,6000,2,0,abnormal,

abnormal,-,2852,2148,712,97,49,F,-,multiple,,2137,negative,n,n,ABSCESS,VIRUS

12,M,0,5,5,0,0,0,ACUTE,38.5,2,1,0,15,-,-,10700,4,0,normal,abnormal,+,

1080,680,400,71,59,F,-,ABPC+CZX,,70,negative,n,n,n,BACTERIA,BACTERIA

15,M,0,3,2,3,0,0,ACUTE,39.3,3,1,0,15,-,-,6000,0,0,normal,abnormal,+,

1124,622,502,47,63,F,-,FMOX+AMK,,48,negative,n,n,n,BACTE(E),BAC