数据挖掘原理与实践学习(1)

【Data Mining】【第一章作业】 文章目录一.单选题二.多选题三.填空题四.判断题 一.单选题 1.下列属于数据挖掘任务的是( ) A、根据性别划分公司的顾客 B、计算公司的总销售额 C、预测一对骰子的结果 D、利用历史记录预测公司的未来股价 正确答案: D 2.下述四种方法哪一种不是常见的分类方法( ) A、决策树 B、支持向量 C、K-Means D、朴素贝叶斯分类 正确答案: C 3.将原始数据进行集成、变换、维度规约、数值规约是哪个步骤的任务( ) A、频繁模式挖掘 B、分类和预测 C、数据预处理 D、数据流挖掘 正确答案: C 4 阅读详情

        说来惭愧,开始写这篇博客的动力是由于我数据挖掘考试挂了......自己在寒假重新学习这一科,顺带着写写自己的感悟,希望能与大家一起学习。我有什么错漏或者大家什么好的建议都可以在评论区留言,我会认真回复的。我在这里使用的教材是电子工业出版社出版的《数据挖掘原理与实践学习》。


什么是数据挖掘?

       数据挖掘顾名思义,就是在众多数据之中进行挖掘,找到有用的信息。

从技术层面上说,即从大量数据中提取有用的信息的过程;从商业层面来说,则是一种商业信息处理技术,主要是对大量业务数据进行抽取、转换、分析和建模处理,从中提取腐竹商业决策的关键性数据。

数据挖掘的对象是什么?

(1)关系数据库。

(2)数据仓库:一个从多个数据源收集的信息存储库,存放在一个一致的模式下。

(3)事物数据库。

(4)空间数据库:指在关系数据库内部对地理信息进行物理存储(如地理信息系统、遥感图像数据)。

(5)时态数据库和时间序列数据库:两者都存放与时间相关的数据。时间数据库通常存放时间相关的属性值,如与时间相关的职务、工资等个人信息及个人简历信息等;时间序列数据库存放时间变化的值序列,如零售行业的产品销售数据、股票数据、气象观测数据等。

(6)流数据。

(7)多媒体数据库。

(8)文本数据库。

(9)万维网数据(Word Wide Web):被认为是最大的文本数据库。

数据挖掘任务

通常,数据挖掘任务可以分为预测型任务和描述型任务。预测型任务就是根据其他属性的值预测特定属性的值,如回归、分类、离群点检测。描述型任务就是寻找概括数据中潜在联系的模式,如聚类分析、关联分析、演化分析、序列模式挖掘。

  1. 分类(Classificantion)分析:通过分析示例数据库中的数据,为每个类别做出准确的描述,或建立分析模型,或挖掘出分类规则,然后用这个分类模型或规则对数据库中的其他记录进行分类。
  2. 聚类(Clustering)分析:聚类分析技术试图找出数据集中数据的共性和差异,并将具有共性的对象聚合在相应的簇中。
  3. 回归(Regression)分析:回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种分析方法。
  4. 关联(Association)分析:关联分析是发现特征之间的相互依赖关系,通常是在给定的数据集中发现频繁出现的模式知识(又称为关联规则)。
  5. 离群点(Outlier)检测:离群点检测就是发现与众不同的数据。
  6. 演化(Evolving)分析:演化分析就是对随时间变化的数据对象的变化规律和趋势进行建模描述。
  7. 序列模式(Sequential Pattern)挖掘:序列模式挖掘是指分析数据间的前后序列关系,包括相似模式发现、周期模式发现等。

如何挖掘数据?

课本在此处提到了数据挖掘与知识发现,并将两者的步骤都列了出来:

知识发现:

  1. 数据清洗(data cleaning),其作用是清除数据噪声和与挖掘主题明显无关的数据。
  2. 数据集成(dara integration),其作用就是将来自多个数据源中的相关数据组合到一起。
  3. 数据选择(data selection),其作用就是根据数据挖掘的目标选取待处理的数据。
  4. 数据转换(data transformation),其作用就是将数据转换为易于进行数据挖掘的数据存储形式。
  5. 数据挖掘(data mining),其作用是利用智能方法挖掘数据模式或规律知识。
  6. 模式评估(pattern evaluation),其作用是根据一定评估标准,从挖掘结果中筛选出有意义的相关知识。
  7. 知识表示(knowledge representation),其作用是利用可视化和知识表达技术,向用户展示所挖掘的相关知识。

数据挖掘:

而数据挖掘则基本可以归纳为下面三个步骤:

                                                 数据收集→知识提取→辅助决策

从上面可以看到,数据挖掘只是属于知识发现的一部分,其侧重点还是挖掘数据的内在联系或者相应表现出来的客观规律。


习题:

(我会相应的挑出课本里的一些具有代表性的习题发在下面,并自己做出相应的解答,有兴趣的朋友可以看看)

1.数据挖掘处理的对象有哪些?请从实际生活中举出至少三种。

数据挖掘处理的对象非常之多,几乎存在于各行各业之中。比如全球连锁商店的各种售货信息、某城市各路段各个时段的交通情况、天文台记录的各种天文数据、气象局存储的温度湿度等各种信息。

2.讨论下列每项活动是否是数据挖掘任务。

(1)根据性别划分公司的顾客。

不是,这是将全部的数据进行分类,并非寻找有用的信息。

(2)根据可盈利性划分公司的顾客。

不是,理由同(1)。

(3)计算公司的总销售额。

不是,数据挖掘要是只要算个总数的话我也不会挂了。

(4)按学生的标识号对学生数据库排序。

不是,这属于数据库的查询操作,并非数据挖掘。

(5)预测掷一对骰子的结果。

不是,表面上这个预测是要建模统计分析,但是如果仅看摇出骰子的组合,而不是看两个骰子之和,那么所有概率是一样的。

(6)使用历史记录预测某公司未来的股票价格。

是。属于演化分析,需要从数据中找寻规律建模分析。

(7)监测病人心率的异常变化。

是。属于离群点检测,寻找与众不同的数据。

(8)监测地震活动的地震波。

是,同样需要寻找与众不同的数据。

(9)提取声波的频率。

不是,题目意思是计算声波频率。


以上就是《数据挖掘原理与实践》第一章的知识要点,我将在下一篇博客中叙述数据处理的基础,包括数据和数据集的类型以及分箱算法。

数据挖掘大学练习题 数据挖掘中北大学练习题 第一章 绪论 一.判断题(共10题,83.0分) 下面各项是否是数据挖掘任务? 1根据性别划分公司的顾客 我的答案:× 得分: 8.3分正确答案:× 答案解析: 这属于简单的数据库查询 2根据可盈利性划分公司的顾客 我的答案:× 得分: 8.3分正确答案:× 答案解析: 这是简单的会计计算 3计算公司的总销售额 我的答案:× 得分: 8.3分正确答案:× 答案解析: 这是简单的会计计算 4按学生的标识号对学生数据库进行排序 我的答案:× 得分: 8.3分正确答案:× 答案解析: 阅读详情

相关推荐

数据挖掘原理与实践 第四章作业

P147 4.2 假设数据挖掘的任务是将如下的8个点(用 (x,y) 代表位置)聚类为三个簇:A1 (2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C2(4,9)。距离函数是 Euclidean 函数。假设初始我们选择 A1、B1 和 C1 为每个簇的中心,用 k-means 算法来给出。 (1) 在第一次循环执行后的三个簇中心。 (2) 最后的三个簇中心及簇包含的对象。 Euclidean 为欧式距离,该距离公式如下: 初始选择A1、B1和C

Jessieeeeeee的博客 1万+

【第1章】数据挖掘导论课后习题答案

数据挖掘导论第1章课后习题答案中英对照

weixin_56463218的博客 3988

人工智能与数据挖掘

作为一个IT人,区分理解人工智能、机器学习、表示学习、深度学习、数据挖掘等是很有必要的~~~ 1、人工智能是机器或软件展示出的智能,也是研究如何让计算机或计算机软件有智能行为的一个学术领域,主要研究的是如何模拟和扩展人类的 智能。人工智能所涉及的范围甚广,例如自然语言处理、图像识别、语音识别等。 人工智能分类:强人工智能和弱人工智能。前者是通过计算机来构造复杂的、拥有与人类智慧同样本质特性的机...

X_dmword的博客 1万+

第一章作业

第1章作业 1.2给出一个例子,说明数据挖掘对商务的成功是至关重要的。该商务需要什么样的数据挖掘功能?它们能够由数据查询处理或简单的统计分析来实现吗? 例如客户关系管理。数据挖掘技术能使用如聚类、关联分析、决策树和神经网络等多种方法,对数据库中庞大的数据进行挖掘分析,然后可以进行客户细分而提供个性化服务、可以利用挖掘到的历史流失客户的特征来防止客户流失、可以进行产品捆绑推荐等从而使电子商务更好地进行客户关系管理,提高客户的忠诚度和满意度。 1.4假定你作为一个数据挖掘顾问,受雇于一家因特网搜索引擎公司。

Lai__Sir的博客 3990

数据挖掘原理与应用丁兆云课后习题答案解析

在学习这本书的过程中,你可以参考以下学习资料:1) 数据挖掘相关课程视频,如Coursera、慕课等平台的在线课程;同时,你还可以尝试加入学习小组,与他人共同探讨、互相学习。本书从基础理论出发,结合大量实际案例,全面系统地介绍了数据挖掘的基本原理、方法和技术。通过学习这本书,你将能够掌握数据挖掘的基本概念、数据预处理、分类、聚类、关联规则、预测等实用技术。在学习过程中,有以下几点经验供你参考:1) 理论与实践相结合,通过实际项目来提高自己的技能;3) 与他人分享、交流,拓宽视野,提高自己的能力。

weixin_58833001的博客 2838

数据挖掘:原理与实践(基础篇)(进阶篇)

结合复杂多样的实际数据环境,探讨数据挖掘的使用场景和使用方法 《数据挖掘:原理与实践》理论联系实际,讲述数据挖据理论、技术及应用的教材。研讨了数据挖掘的方方面面,从基础理论到复杂数据类型及其应用。不仅讨论传统的数据挖掘问题,而且介绍了高级数据类型,例如文本、时间序列、离散序列、空间数据、图数据和社会网络。《数据挖掘:原理与实践》由基础篇和进阶篇组成。基础篇对应原书的第1~11章,进阶篇对应原书的第12~20章。 基础章节:数据挖掘主要有四个“超级问题”,即聚类、分类、关联模式挖掘和异常分析,它们的重要性

互动出版网 2378

一、数据挖掘概述

数据挖掘_unit01 1.数据挖掘的定义 1.1 问题 数据挖掘的概念是什么,为什么要进行数据挖掘? 1.2 方案 数据挖掘:指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘在面向用户的互联网产品中发挥着及其重要的作用。 ![数据挖掘平台案例](https://img-blog.csdnimg.cn/20200228103042194.png?x-oss-process=image/w...

GUANGZHAN的专栏 2035

给师弟师妹们学习数据挖掘的一些建议

看着刚进实验室的师弟师妹们的迷茫,虽然也与他们进行过一些零散的交谈,但是都不够系统。因此,根据自己的经历给出学习数据挖掘的一些建议,大家可以根据自身的情况,具体问题具体分析,作为参考。希望在上一届的基础上,走的更深,走的更远。

一路向前 2万+

数据平台的数据挖掘与机器学习技术实践

1.背景介绍 在今天的数据驱动时代,数据挖掘和机器学习技术已经成为企业和组织中不可或缺的一部分。这篇文章将涵盖数据平台的数据挖掘与机器学习技术实践的核心概念、算法原理、最佳实践、应用场景、工具和资源推荐以及未来发展趋势与挑战。 1. 背景介绍 数据挖掘和机器学习技术是用于从大量数据中发现隐藏的模式、关系和知识的方法。它们已经应用于各个领域,如金融、医疗、电商、物流等,为企业和组织提供了更多的...

AI天才研究院 811

数据挖掘原理、方法、实践笔记(一)

数据挖掘概论(参考书:数据挖掘原理、方法及Python应用实践教程) 1.数据挖掘含义 数据挖掘(data mining)就是利用一系列技术和方法从海量数据中找出隐藏于其中的潜在、有用的新知识的过程。在庞大的数据中找到有价值的知识,就好像在一堆沙子中淘金,因此被形象的称为data mining。 2.相关概念辨析 知识发现与数据挖掘: 数据挖掘是知识发现(knowledge discovery)的核心,是其中的一个步骤。完整的知识发现包含:①数据准备;②数据挖掘;③结果表达和解释 数据挖掘、机器学习和人工智

unpocoloco的博客 1781

数据挖掘工程师-学习路线

一、目前国内的数据挖掘人员工作领域大致可分为三类。 1)数据分析师:在拥有行业数据的电商、金融、电信、咨询等行业里做业务咨询,商务智能,出分析报告。 2)数据挖掘工程师:在多媒体、电商、搜索、社交等大数据相关行业里做机器学习算法实现和分析。3)科学研究方向:在高校、科研单位、企业研究院等高大上科研机构研究新算法效率改进及未来应用。 二、说说各工作领域需要掌握的技能。  (1).数据

一HUA一世界的专栏 5720

国科大数据挖掘大作业2018交通拥堵预测

据统计,我国目前百万人口以上的城市中有80%的路段和90%的路口通行能力已经接近极限,特别是北京、上海、深圳等城市,交通拥堵已成为城市问题。不但影响了人的日常生活工作,也严重制约了城市的经济发展和环境状况。所以随着交通拥堵问题的日益严重,能提前预测交通拥堵的程度是具有潜在价值的,这样司机和行人就可以通过预报尽可能地避免交通拥堵带来的不便。

educoder 数据挖掘算法原理与实践:决策树

第1关:决策树算法思想 1 AB 2 B 第2关:决策树算法原理 import numpy as np def calcInfoGain(feature, label, index): ''' 计算信息增益 :param feature:测试用例中字典里的feature,类型为ndarray :param label:测试用例中字典里的label,类型为ndarray :param index:测试用例中字典里的index,即feature部分特征列的索引。该索

木右加木 就是木木 5310

《机器学习与数据挖掘综合实践》实训课程教学解决方案

机器学习与数据挖掘综合实践》实训课程的教学解决方案,通过科学的目标设定、系统的内容组织、创新的教学方法、实用的实训平台构建以及有效的评估反馈机制,旨在构建一个以学生为中心,注重理论与实践结合,鼓励创新与合作的学习环境。其核心目标在于通过自动化的方式,让机器能够识别、理解和预测数据中的模式和规律。总之,方案建立了全面而科学的评估与反馈机制,旨在通过多元化的评价手段、即时的反馈和定期的教师研讨会来全面评估学生的学习成效,帮助学生更好地掌握知识和技能,同时也不断优化教学内容和教学方法,以提供更优质的教学服务。

whwzzc的博客 3214

机器学习与数据挖掘的实验报告与实践指南

htmltable {th, td {th {pre {简介:《机器学习与数据挖掘实验报告》详细探索了机器学习和数据挖掘在现实生活中的应用。该报告由广州大学成员编写,包含实验步骤、结果分析和代码示例,通过Markdown格式在优快云上发布。内容涉及监督学习、无监督学习、强化学习等机器学习技术,以及数据预处理、模式识别和知识提取的数据挖掘方法。报告还讨论了特征选择、模型评估和调参优化等关键环节,并提供了一些实际案例研究和使用Python数据分析与模型构建的示例。

weixin_36474001的博客 775

数据挖掘习题及解答答案

有关数据挖掘的一些题目以及解答 如:讨论下列每项活动是否是DM任务。 分析下列属性的类型(二元/连续,定性(标称/序数),定量(区间/比率))

机器学习与数据挖掘:算法与实践

1.背景介绍 机器学习(Machine Learning)和数据挖掘(Data Mining)是当今最热门的技术领域之一,它们在各个行业中发挥着越来越重要的作用。机器学习是人工智能的一个分支,通过计算机程序自动学习和改进其表现,以解决复杂的问题。数据挖掘则是在大量数据中发现隐藏的模式、规律和知识的过程。 本文将从以下六个方面进行全面的介绍: 背景介绍 核心概念与联系 核心算法原理和具体操作...

AI天才研究院 1456

数据挖掘原理与实践课后习题答案解析

.1 数据挖掘处理的对象有哪些?请从实际生活中举出至少三种。 答:数据挖掘处理的对象是某一专业领域中积累的数据,对象既可以来自社会科学,又可以来自自然科学产生的数据,还可以是卫星观测得到的数据。数据形式和结构也各不相同,可以是传统的关系数据库,可以是面向对象的高级数据库系统,也可以是面向特殊应用的数据库,如空间数据库、时序数据库、文本数据库和多媒体数据库等,还可以是 Web 数据信息。

下一篇: 数据挖掘原理与实践学习(2)
debug_robot
博客等级 码龄9年 16粉丝 6原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值