《数据挖掘：概念与技术》—学习笔记
2-1数据对象与属性类型 数据集由数据对象组成。一个数据对象代表一个实体。例如，在销售数据库中，对象可以是顾客、商品或销售•，在医疗数据库中，对象可以是患者；在大学的数据库中，对象可以是学生、教授和课程。通常，数据对象用属性描述。数据对象又称样本、实例、数据点或对象。如果数据对象存放在数据库中 ...
原文：数据挖掘概念与技术（韩家伟）阅读笔记7--数据离散化和概念分层的产生
.数据离散化和概念分层的原理和目的 通过将属性值域划分为区间，用区间标记代替实际的数值，用来减少给定连续属性值的个数。 .离散化技术分类 例如：自顶向下：首先找出一个或几个点作为分裂点来对真个属性空间进行划分，然后再在结果区间上递归重复该过程。 自底向上：首相将所有的连续之看做分裂点，然后合并相近的属性区间，减少分裂点，然后递归的调用该过程。 .数值数据的离散化和概念分层的产生方法 a.分箱。基 ...
2016-11-09 11:13 1 1470 推荐指数：
相关推荐
【读书笔记-数据挖掘概念与技术】聚类分析：基本概念和方法
下图摘自：http://blog.163.com/qianshch@126/blog/static/48972522201092254141315/ 主要的聚类方法可以划 ...
数据挖掘：概念与技术--笔记1--度量数据的相似性与相异性
基本概念 数据矩阵 表示 n个对象 × p个属性 相异性矩阵 表示n个对象两两之间的临近度 n×n的矩阵 d(i,j)表示对象i与对象j之间的相异性 1 标称属性的临近性度量 计算公式： m: 匹配的数目（即i和j取值相同状态的属性数） p: 刻画对象的属性 ...
【读书笔记-数据挖掘概念与技术】离群点检测
1 离群点和离群点分析 1.2 离群点的类型 a.全局离群点 显著偏离数据集中的其余对象，最简单的一类离群点。 检测方法：找到一个合适 ...
数据挖掘之关联分析一（基本概念）
许多商业企业运营中的大量数据，通常称为购物篮事务（market basket transaction）。表中每一行对应一个事务，包含一个唯一标识TID。 利用关联分析的方法可以发现联系如关联规则或频繁项集。 关联分析需要处理的关键问题： 从大型事务数据集中发现模式可能在计算上要付出很高 ...
数据挖掘(DM)基本概念
问题：数据总量爆炸式增加，如何从中提取真正有价值的信息，产生了新的领域(DM)。几个名词： 1）Data Mining：数据挖掘 2）Knowledge Discovery：知识发现 3）Machine Learning：机器学习(机器学习是数据挖掘的一个重要工具 ...
数据仓库与数据挖掘的一些基本概念
下面内容摘自互联网并作了整理。 名词： BI(Business Intelligence)：商业智能， DW(Data Warehouse)：数据仓库，详见正文Q1部分。 OLTP(On-Line Transaction Processing ...
机器学习&数据挖掘笔记_15（关于凸优化的一些简单概念）
没有系统学过数学优化，但是机器学习中又常用到这些工具和技巧，机器学习中最常见的优化当属凸优化了，这些可以参考Ng的教学资料：http://cs229.stanford.edu/section/cs229-cvxopt.pdf，从中我们可以大致了解到一些凸优化的概念，比如凸集，凸函数，凸 ...