數(shù)據(jù)挖掘技術(shù)及應(yīng)用.pdf

1、該文主要由以下四個(gè)部分組成:第一章,數(shù)據(jù)挖掘簡(jiǎn)介.從數(shù)據(jù)挖掘的概念、功能、目的、主要方法以及數(shù)據(jù)挖掘步驟,發(fā)現(xiàn)統(tǒng)計(jì)學(xué)與數(shù)據(jù)挖掘有著密切的關(guān)系:統(tǒng)計(jì)學(xué)和數(shù)據(jù)挖掘有著共同的目標(biāo)即發(fā)現(xiàn)數(shù)據(jù)中的結(jié)構(gòu),但數(shù)據(jù)挖掘并不是統(tǒng)計(jì)學(xué)的分支,因?yàn)閿?shù)據(jù)挖掘還應(yīng)用了其它領(lǐng)域的思想、工具和方法,尤其是計(jì)算機(jī)學(xué)科.數(shù)據(jù)挖掘的出現(xiàn)為統(tǒng)計(jì)學(xué)提供了一個(gè)嶄新的應(yīng)用領(lǐng)域,雖然統(tǒng)計(jì)學(xué)不可能給出數(shù)據(jù)挖掘所有問(wèn)題的答案,但它可以為數(shù)據(jù)挖掘提供非常有參考價(jià)值的框架,能夠極大地豐富數(shù)

2、據(jù)挖掘的方法.第二章,數(shù)據(jù)預(yù)處理及數(shù)據(jù)庫(kù)的壓縮.數(shù)據(jù)的清理有三種方法:空缺值的填充、異常點(diǎn)分析以及不一致數(shù)據(jù)的處理.數(shù)據(jù)庫(kù)的壓縮方法有很多,在介紹了主成份分析、信息增益分析技術(shù)和屬性相關(guān)分析等進(jìn)行維歸約之后,引入了粗糙集理論.粗糙集理論既可以用于壓縮數(shù)據(jù)庫(kù),又可以對(duì)屬性的重要性程度進(jìn)行測(cè)量及排序.第三章,數(shù)據(jù)挖掘的常用技術(shù).數(shù)據(jù)挖掘技術(shù)可分為描述型數(shù)據(jù)挖掘和預(yù)測(cè)型數(shù)據(jù)挖掘兩種,描述型數(shù)據(jù)挖掘包括數(shù)據(jù)總結(jié)、聚類及關(guān)聯(lián)分析等.預(yù)測(cè)型數(shù)據(jù)挖掘

3、包括分類、回歸及時(shí)間序列分析等.這里主要介紹了常用的技術(shù):決策樹(shù)和決策規(guī)則、關(guān)聯(lián)規(guī)則和聚類分析.第四章,數(shù)據(jù)挖掘技術(shù)的應(yīng)用.該文的應(yīng)用案例有兩個(gè),數(shù)據(jù)挖掘在移動(dòng)通信中的應(yīng)用以及對(duì)一份調(diào)查問(wèn)卷的分析.針對(duì)移動(dòng)通信客戶眾多,信息量大的特點(diǎn),需要對(duì)手機(jī)用戶消費(fèi)水平的數(shù)據(jù)庫(kù)進(jìn)行壓縮,對(duì)壓縮后的新數(shù)據(jù)庫(kù)可以運(yùn)用決策樹(shù)進(jìn)行分類和關(guān)聯(lián)規(guī)則以期找出幾項(xiàng)費(fèi)用與繳費(fèi)總額之間的聯(lián)系.而在"大學(xué)生素質(zhì)培養(yǎng)的調(diào)查問(wèn)卷"案例中,首先將24個(gè)影響一個(gè)人成長(zhǎng)和發(fā)展的因