数据挖掘导论读书笔记1

数据预处理：

1.聚集：将两个或者多个对象合并成单个对象。

2.抽样：一种选择数据对象子集进行分析的常用方法。抽象方法：简单随机抽样和渐进抽样

3.维度约：我觉得翻译的不好，英文明细是降维。降维技术：1.PCA(Principal components Analysis)是一种用于连续属性的线性代数技术，它找出新的属性，这些属性是原属性的线性组合，是相互正交的，并且捕获了数据的最大变差。2.SVD(Singular Value Decomposition)

4.特征子集选择 a：嵌入方法 b：过滤方法 c：包装方法

5.特征创建：由原来的属性创建新的属性。a.特征提取 b.映射数据到新的空间 c.特征构造

6.离散化和二元化

离散化：将连续属性变换成分类属性

二元化：连续和离散属性变换成一个或者朵儿二元属性

7.变量变换：用户变量的所有值的变换

简单函数

规范化或者标准化

相似度和相异性的度量

1.简单属性之间的相似度和相异度

标称的

序数的

区间的或者比率的

2.数据对象之间的相异度

欧几里得距离

闵克夫斯基距离

3.数据对象之间的相似度

余弦相似度

Jaccard相似度

Bregman散度

转载于:https://www.cnblogs.com/davidwang456/p/9662496.html

数据挖掘导论读书笔记1相关推荐

数据挖掘导论读书笔记5关联分析的基本概念和算法
关联规则的强度可以用support度和confidence(置信)度来度量关联规则发现给定事务的集合T,关联规则发现是指找出支持度大于等于minsup并且置信度大于等于minconf的所有规则, ...
数据挖掘导论读书笔记10聚类分析续
基于原型的聚类模糊c均值使用模糊逻辑和模糊集合论的概念,提出一种聚类方案,它很像K均值,但是不需要硬性地将对象分派到一个簇中.模糊c均值算法有时也称为FCM 混合模型聚类采取这样的访谈,簇集合可以用 ...
数据挖掘导论读书笔记11异常检测
异常检测的目标是发现与大部分其他对象不同的对象.通常,异常对象被称作离群点(Outlier). 异常检测也称偏差检测(Deviation detection),因为异常对象的属性值明显偏离期望的或者常 ...
数据挖掘导论读书笔记9聚类分析
1. 聚类分析仅根据在数据中发现的描述对象及其关系的信息,将数据对象分组. 其目标是组内的对象相互之间是相似的或者相关的,而不同组中的对象是不同的或者不相关的. 2.聚类分析的重要技术 K均值:K均值 ...
数据挖掘导论读书笔记8FP树
1FP树转载于:https://www.cnblogs.com/davidwang456/p/9685555.html
数据挖掘导论读书笔记7 Apriori算法
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法.其核心是基于两阶段频集思想的递推算法.该关联规则在分类上属于单维.单层.布尔关联规则.在这里,所有支持度大于最小支持度的项集称为频繁项 ...
数据挖掘导论读书笔记4--其他分类技术
1.基于规则的分类器 2.最近邻分类器 3.贝叶斯分类器 4.人工神经网络 5.支持向量机 6.组合方法 7.不平衡类问题 8.多类问题转载于:https://www.cnblogs.com/dav ...
数据挖掘导论读书笔记6关联分析的高级概念
处理联系属性: 基于离散化的方法基于统计学的方法非离散化方法处理概念分层定义在一个特定领域的各种实体或者概念的多层组织.概念分层可以用有向无环图DAG来标示. 序列模式可选计数方案 COBJ ...
数据挖掘导论读书笔记3--分类
1.分类的基本概念分类任务就是通过学习得到一个目标函数f,把每个属性集x映射到一个预先定义的类标号y 目标函数也称为分类模型. 2. 解决分类问题的一般方法: 决策树分类法基于规则的分类法神经网 ...
数据挖掘导论读书笔记2
1.频率和众数 frequency(vi)=具有属性值vi的对象数/m 分类属性的众数mode是具有最高频率的值. 2.百分位数 3.位置度量:均值和中位数 4.散布度量:极差和方差绝对平均偏差 A ...

数据挖掘导论读书笔记1

数据挖掘导论读书笔记1相关推荐

最新文章

热门文章