《數據挖掘：概念與技術》—學習筆記
2-1數據對象與屬性類型 數據集由數據對象組成。一個數據對象代表一個實體。例如，在銷售數據庫中，對象可以是顧客、商品或銷售•，在醫療數據庫中，對象可以是患者；在大學的數據庫中，對象可以是學生、教授和課程。通常，數據對象用屬性描述。數據對象又稱樣本、實例、數據點或對象。如果數據對象存放在數據庫中 ...
原文：數據挖掘概念與技術（韓家偉）閱讀筆記7--數據離散化和概念分層的產生
.數據離散化和概念分層的原理和目的 通過將屬性值域划分為區間，用區間標記代替實際的數值，用來減少給定連續屬性值的個數。 .離散化技術分類 例如：自頂向下：首先找出一個或幾個點作為分裂點來對真個屬性空間進行划分，然后再在結果區間上遞歸重復該過程。 自底向上：首相將所有的連續之看做分裂點，然后合並相近的屬性區間，減少分裂點，然后遞歸的調用該過程。 .數值數據的離散化和概念分層的產生方法 a.分箱。基 ...
2016-11-09 11:13 1 1470 推薦指數：
相關推薦
【讀書筆記-數據挖掘概念與技術】聚類分析：基本概念和方法
下圖摘自：http://blog.163.com/qianshch@126/blog/static/48972522201092254141315/ 主要的聚類方法可以划 ...
數據挖掘：概念與技術--筆記1--度量數據的相似性與相異性
基本概念 數據矩陣 表示 n個對象 × p個屬性 相異性矩陣 表示n個對象兩兩之間的臨近度 n×n的矩陣 d(i,j)表示對象i與對象j之間的相異性 1 標稱屬性的臨近性度量 計算公式： m: 匹配的數目（即i和j取值相同狀態的屬性數） p: 刻畫對象的屬性 ...
【讀書筆記-數據挖掘概念與技術】離群點檢測
1 離群點和離群點分析 1.2 離群點的類型 a.全局離群點 顯著偏離數據集中的其余對象，最簡單的一類離群點。 檢測方法：找到一個合適 ...
數據挖掘之關聯分析一（基本概念）
許多商業企業運營中的大量數據，通常稱為購物籃事務（market basket transaction）。表中每一行對應一個事務，包含一個唯一標識TID。 利用關聯分析的方法可以發現聯系如關聯規則或頻繁項集。 關聯分析需要處理的關鍵問題： 從大型事務數據集中發現模式可能在計算上要付出很高 ...
數據挖掘(DM)基本概念
問題：數據總量爆炸式增加，如何從中提取真正有價值的信息，產生了新的領域(DM)。幾個名詞： 1）Data Mining：數據挖掘 2）Knowledge Discovery：知識發現 3）Machine Learning：機器學習(機器學習是數據挖掘的一個重要工具 ...
數據倉庫與數據挖掘的一些基本概念
下面內容摘自互聯網並作了整理。 名詞： BI(Business Intelligence)：商業智能， DW(Data Warehouse)：數據倉庫，詳見正文Q1部分。 OLTP(On-Line Transaction Processing ...
機器學習&數據挖掘筆記_15（關於凸優化的一些簡單概念）
沒有系統學過數學優化，但是機器學習中又常用到這些工具和技巧，機器學習中最常見的優化當屬凸優化了，這些可以參考Ng的教學資料：http://cs229.stanford.edu/section/cs229-cvxopt.pdf，從中我們可以大致了解到一些凸優化的概念，比如凸集，凸函數，凸 ...