数据挖掘__期末考试知识点复习 U.ppt

2020年2月25日星期二 医学数据仓库与数据挖掘 1 数据挖掘 数据挖掘知识点 考点 复习 期考知识点 第6章的知识点1 哪些学科和数据挖掘有密切联系 P68数据挖掘关系图 2 数据挖掘的定义 P69 第7章的知识点1 数据挖掘步骤 P74 2 数据选择的内容 包括哪两部分 P75 3 数据清理的方法 P75 了解小规模数据 大数据集的清理方法 4 常见的模式有哪些 P78 尤其是分类 回归 聚类模式之间的分析比较 2 期考知识点 5 模式的精确度 P79 训练和测试模式需将数据分成哪两部分以及各自用途 模式准确性的测试方法及其比较 6 数据预处理的任务有哪些 P83 89 7 空缺值的处理方法 P83 84 8 分箱技术 P84 86 分箱之前要做的工作 P84 1 要求能描述出常见的分箱方法和数据平滑方法 简答 2 要求会用等深分箱法和等宽分箱法对数据进行分箱 并对分箱后的数据按指定的平滑技术来平滑 详见PPT 3 期考知识点 9 数据规范化方法 最小 最大规范化 P88第8章的知识点关联规则部分1 理解什么是关联规则 P90给定案例 能判断该案例是否属于关联规则挖掘问题 2 关联规则的分类 P92 93 3 掌握项集或规则的支持度和置信度的计算方法 P91 详见ppt 4 期考知识点 4 项集频率 频繁项集的定义 项集频率与项集支持度之间的关系 简答 P92 5 掌握Apriori算法 P93 98 综合计算题 5 1掌握Apriori算法的基本思想和执行步骤 5 2理解Apriori性质5 3能将算法应用到数据进行计算给定支持度 能判断哪些项集需要剪枝 掌握从频繁项集生成候选项集的计算过程 会计算项集的支持度 能将整个算法流程对指定数据集完成关联规则的挖掘过程 6 能根据排好序的事务集构造FP树 P100 5 期考知识点 7 能比较FP树算法和Apriori算法的异同点分类与预测部分1 训练集与验证集的定义 以及二者的用途 P104 1052 类标号属性与训练属性的定义 以及二者区别 P1053 学过的决策树分类算法有哪些 P108决策树包括哪些结点 P106 1074 决策树递归划分终止的条件有哪些 3点 P109 6 期考知识点 5 对于决策树递归过程需要注意哪两种情况 P1096 什么是过适应问题 如何解决过适应问题 简答 P1107 决策树分类规则的生成方法 简答 P111 112或见PPT8 决策树构造过程中当前结点的训练属性是如何选择的 P1099 k 最临近算法的基本思想 P119k 最临近算法的两个基本步骤 P119k 最临近算法中参数k的大小对分类结果的影响 P120 7 期考知识点 聚类分析部分1 什么是聚类 聚类与分类的比较或异同点 简答 P1302 聚类分析常用的两种数据结构 P130 1313 数据矩阵与相异度矩阵的比较 以及二者每行每列表示的意义 P130 1314 相异度矩阵中各个元素d i j 的大小 趋于0或者值很大 表示的意义 P1315 数据的属性类型有哪些 5种 P131 1356 属于定量的数据属性类型 P131 8 期考知识点 7 非对称二元变量的相异度计算公式及其应用 综合计算题 P133 1348 在聚类算法研究和应用过程中 对其能力有哪几种典型要求 P136 1379 聚类分析算法有哪几类 每类的大体思想是什么 P137 143 4类 10 基于划分思想的聚类算法有哪些 P137 13811 层次聚类算法分类哪两种 基于层次法的聚类算法有哪些 P13912 基于密度方法的聚类算法有哪些 P14213 基于网格方法的聚类算法有哪些 P143 9 期考知识点 14 k 平均算法的输入 输出及聚类过程 流程 简答 P13815 k 平均算法与k 中心点算法的比较或异同点 P137 13816 DBSCAN算法中涉及的一些概念 对象的r 领域 核心对象 直接密度可达 密度可达 密度相连 P142 143 要求理解 第9章的知识点 以选择题形式来考 1 什么是结构化医学数据和非结构化医学数据 P147 10 期考知识点 2 中医学结构化数据一般以什么形式存在 P1473 举例非结构化数据 P1474 中医药领域的数据挖掘有哪些 P150 1515 文本数据挖掘的主要关键技术 P1566 文本