數(shù)據(jù)挖掘概念與技術(shù)CHAPTER2-了解數(shù)據(jù)

數(shù)據(jù)挖掘概念與技術(shù)CHAPTER2-了解數(shù)據(jù)

ID:39712400

大?。?.62 MB

頁數(shù):67頁

時(shí)間:2019-07-09

數(shù)據(jù)挖掘概念與技術(shù)CHAPTER2-了解數(shù)據(jù)_第1頁
數(shù)據(jù)挖掘概念與技術(shù)CHAPTER2-了解數(shù)據(jù)_第2頁
數(shù)據(jù)挖掘概念與技術(shù)CHAPTER2-了解數(shù)據(jù)_第3頁
數(shù)據(jù)挖掘概念與技術(shù)CHAPTER2-了解數(shù)據(jù)_第4頁
數(shù)據(jù)挖掘概念與技術(shù)CHAPTER2-了解數(shù)據(jù)_第5頁
資源描述:

《數(shù)據(jù)挖掘概念與技術(shù)CHAPTER2-了解數(shù)據(jù)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、DataMining:ConceptsandTechniques楊昆修譯—Chapter2—JiaweiHan,MichelineKamber,andJianPeiUniversityofIllinoisatUrbana-ChampaignSimonFraserUniversity1Chapter2:了解數(shù)據(jù)數(shù)據(jù)對象和屬性類型DataObjectsandAttributeTypes數(shù)據(jù)的(基本)統(tǒng)計(jì)描述BasicStatisticalDescriptionsofData數(shù)據(jù)可視化DataVisualization測量數(shù)據(jù)相似性和相異性MeasuringDataSimilari

2、tyandDissimilarity總結(jié)Summary2數(shù)據(jù)集合的類型記錄Record關(guān)系記錄數(shù)據(jù)矩陣,e.g.,數(shù)值矩陣,交叉表文檔數(shù)據(jù):文本文檔:詞頻向量term-frequencyvector交易數(shù)據(jù)圖and網(wǎng)絡(luò)萬維網(wǎng)社會(huì)或信息網(wǎng)絡(luò)分子結(jié)構(gòu)MolecularStructures有序的Ordered視頻數(shù)據(jù):sequenceofimages時(shí)間數(shù)據(jù):時(shí)間序列time-series序列數(shù)據(jù):交易序列transactionsequences遺傳序列數(shù)據(jù)空間,圖像imageand多媒體multimedia:Spatialdata:mapsImagedata:Videodata:

3、3結(jié)構(gòu)數(shù)據(jù)的重要特征維度Dimensionality維數(shù)災(zāi)難Curseofdimensionality稀疏Sparsity只有計(jì)數(shù)Onlypresencecounts分辯率Resolution模式依賴于尺度分布Distribution中心性和分散Centralityanddispersion4數(shù)據(jù)對象數(shù)據(jù)集由數(shù)據(jù)對象構(gòu)成一個(gè)數(shù)據(jù)對象代表一個(gè)實(shí)體例子:銷售數(shù)據(jù)庫salesdatabase:客戶/顧客,商店物品,sales醫(yī)學(xué)數(shù)據(jù)庫:patients,treatments大學(xué)數(shù)據(jù)庫:students,professors,courses又稱為樣本,事例,實(shí)例,數(shù)據(jù)點(diǎn),對象,元組t

4、uples.數(shù)據(jù)對象由屬性來描述Databaserows->dataobjects;columns->attributes.5屬性屬性Attribute(or維度,特征,變量):一個(gè)數(shù)據(jù)字段,表示一個(gè)數(shù)據(jù)對象的某個(gè)特征.E.g.,customer_ID,name,address類型:名詞性Nominal二元的數(shù)字的Numeric:數(shù)量的Interval-scaledRatio-scaled6屬性類型名詞性Nominal:類別,狀態(tài),or“名目”Hair_color={auburn,black,blond,brown,grey,red,white}婚姻狀態(tài),職業(yè)occupati

5、on,IDnumbers,zipcodes二元只有2個(gè)狀態(tài)的名詞性屬性(0and1)對稱二元Symmetricbinary:同樣重要的兩相e.g.,gender非對稱Asymmetricbinary:非同等重要e.g.,醫(yī)療檢查(positivevs.negative)慣例Convention:assign1tomostimportantoutcome(e.g.,HIVpositive)順序的Ordinal值有一個(gè)有意義的順序(排序)但連續(xù)值之間的大小未知.Size={small,medium,large},等級(jí),軍隊(duì)排名7數(shù)值屬性的類型數(shù)量Quantity(integero

6、rreal-valued)區(qū)間Interval在某個(gè)同等大小的一個(gè)尺度單位上Measuredonascaleofequal-sizedunits值有序E.g.,temperatureinC?orF?,calendardates沒有真正的零點(diǎn)Ratio有真正的零點(diǎn)可以講值是被測量單位一個(gè)數(shù)量級(jí)(10K?istwiceashighas5K?).e.g.,溫度在開爾文,長度,計(jì)數(shù),貨幣的數(shù)量8離散vs.連續(xù)屬性DiscreteAttribute一個(gè)有限的或可數(shù)無限集值E.g.,zipcodes,thesetofwordsinacollectionofdocuments有時(shí),表示為整

7、數(shù)變量注:二元屬性是離散屬性的一個(gè)特殊情況ContinuousAttribute屬性值為實(shí)數(shù)E.g.,temperature,height,orweight實(shí)際上,實(shí)值只能使用有限位數(shù)進(jìn)行測量和代表連續(xù)屬性通常表示為浮點(diǎn)變量9Chapter2:數(shù)據(jù)的統(tǒng)計(jì)描述DataObjectsandAttributeTypes數(shù)據(jù)的(基本)統(tǒng)計(jì)描述數(shù)據(jù)可視化測量數(shù)據(jù)相似性和相異性MeasuringDataSimilarityandDissimilaritySummary10數(shù)據(jù)的(基本)統(tǒng)計(jì)描述Motivation為

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。