|
20. 法则归纳有四种计策：减法、加法，先加后减、先减后加计策。
- 减法计策：以具编制子为起点，对例子举办推广或泛化，推广即减除前提(属性值)或减除合取项(为了利便，我们不思量增进析取项的推广)，使推广后的例子或法则不包围任何反例。
- 加法计策：起始设想法则的前提部门为空(永真法则)，假如该法则包围了反例，则不断地向法则增进前提或合取项，直到该法则不再包围反例。
- 先加后减计策：因为属性间存在相干性，因此也许某个前提的插手会导致前面插手的前提没什么浸染，因此必要减除前面的前提。
- 先减后加计策：原理同先加后减，也是为了处理赏罚属性间的相干性。
21. 数据发掘界说有广义和狭义之分。
- 从广义的概念，数据发掘是从大型数据集(也许是不完全的、有噪声的、不确定性的、各类存储情势的)中，发掘隐含在个中的、人们事先不知道的、对决定有效的常识的进程。
- 从这种狭义的概念上，我们可以界说数据发掘是从特定情势的数据齐集提炼常识的进程。
22. web发掘的寄义： 针对包罗Web页面内容、页面之间的布局、用户会见信息、电子商务信息等在内的各类Web数据，应用数据发掘要领以辅佐人们从因特网中提取常识，为会见者、站点策划者以及包罗电子商务在内的基于因特网的商务勾当提供决定支持。
23. K-近邻分类算法(K Nearest Neighbors，简称KNN)的界说：通过计较每个实习数据到待分类元组的间隔，取和待分类元组间隔最近的K个实习数据，K个数据中哪个类此外实习数据占大都，则待分类元组就属于哪个种别。
24. K-means算法的机能说明：
首要利益：是办理聚类题目的一种经典算法，简朴、快速;对处理赏罚大数据集，该算法是相对可伸缩和高服从的;当功效簇是麋集的，它的结果较好。
首要弱点：在簇的均匀值被界说的环境下才气行使，也许不合用于某些应用;必需事先给出k(要天生的簇的数量)，并且对初值敏感，对付差异的初始值，也许会导致差异功效;不得当于发明非凸面外形的簇可能巨细不同很大的簇。并且，它对付“躁声”和孤独点数据是敏感的。
25. ID3算法的机能说明：
- ID3算法的假设空间包括全部的决定树，它是关于现有属性的有限离散值函数的一个完备空间。以是ID3算法停止了搜刮不完备假设空间的一个首要风险：假设空间也许不包括方针函数。
- ID3算法在搜刮的每一步都行使当前的全部实习样例，大大低落了对个体实习样例错误的敏感性。因此，通过修改终止准则，可以轻易地扩展处处理赏罚含有噪声的实习数据。
- ID3算法在搜刮进程中不举办回溯。以是，它易受无回溯的登山搜刮中的常见风险影响：收敛到局部最优而不是全局最优。
26. Apriori算法有两个致命的机能瓶颈:
- 多次扫描事宜数据库，必要很大的I/O负载
- 对每次k轮回，侯选集Ck中的每个元素都必需通过扫描数据库一次来验证其是否插手Lk。若是有一个频仍大项目集包括10个项的话，那么就至少必要扫描事宜数据库10遍。
- 也许发生复杂的侯选集
- 由Lk-1发生k-侯选集Ck是指数增添的，譬喻104个1-频仍项目集就有也许发生靠近107个元素的2-侯选集。云云大的侯选集对时刻和主存空间都是一种挑衅。a基于数据支解的要领：根基道理是“在一个分别中的支持度小于最小支持度的k-项集不行能是全局频仍的”。
27. 改进Apriori算法顺应性和服从的首要的改造要领有：
- 基于数据支解(Partition)的要领：根基道理是“在一个分别中的支持度小于最小支持度的k-项集不行能是全局频仍的”。
- 基于散列的要领：根基道理是“在一个hash桶内支持度小于最小支持度的k-项集不行能是全局频仍的”。
- 基于采样的要领：根基道理是“通过采样技能，评估被采样的子齐集，并依次来预计k-项集的全局频度”。
- 其他：如，动态删除没有效的事宜：“不包括任何Lk的事宜对将来的扫描功效不会发生影响，因而可以删除”。
28. 面向Web的数据发掘比面向数据库和数据客栈的数据发掘要伟大得多：
- 异构数据源情形：Web网站上的信息是异构: 每个站点的信息和组织都纷歧样;存在大量的无布局的文本信息、伟大的多媒体信息;站点行使和安详性、私密性要求各异等等。
- 数据的是伟大性：有些是无布局的(如Web页)，凡是都是用长的句子或短语来表达文档类信息;有些也许是半布局的(如Email，HTML页)。虽然有些具有很好的布局(如电子表格)。揭开这些复合工具蕴涵的一样平常性描写特性成为数据发掘的不行推卸的责任。
- 动态变革的应用情形：
- Web的信息是频仍变革的，像消息、股票等信息是及时更新的。
- 这种高变革也表此刻页面的动态链接和随机存取上。
- Web上的用户是难以猜测的。
- Web上的数据情形是高噪音的。
29. 简述常识发明项目标进程化打点I-MIN进程模子。
- MIN进程模子把KDD进程分成IM1、IM2、…、IM6等步调处理赏罚，在每个步调里，齐集接头几个题目，并按必然的质量尺度来节制项目标实验。
- IM1使命与目标：它是KDD项目标打算阶段，确定企业的发掘方针，选择常识发明模式，编译常识发明模式获得的元数据;其目标是将企业的发掘方针嵌入到对应的常识模式中。
- IM2使命与目标：它是KDD的预处理赏罚阶段，可以用IM2a、IM2b、IM2c等别离对应于数据洗濯、数据选择和数据转换等阶段。其目标是天生高质量的方针数据。
- IM3使命与目标：它是KDD的发掘筹备阶段，数据发掘工程师举办发掘尝试，重复测试和验证模子的有用性。其目标是通过尝试和实习获得浓缩常识(Knowledge Concentrate)，为最终用户提供可行使的模子。
- IM4使命与目标：它是KDD的数据发掘阶段，用户通过指定命据发掘算法获得对应的常识。
- IM5使命与目标：它是KDD的常识暗示阶段，按指定要求形陈规格化的常识。
- IM6使命与目标：它是KDD的常识表明与行使阶段，其目标是按照用户要求直观地输出常识或集成到企业的常识库中。
（编辑：湖南网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
