數(shù)據(jù)挖掘考試重點(diǎn)復(fù)習(xí)

1、1 ,了解商務(wù)智能的定義與大數(shù)據(jù)的四個(gè)基本特征；答：商務(wù)智能是企業(yè)利用數(shù)據(jù)倉(cāng)庫(kù)（DW）、數(shù)據(jù)挖掘（DM）、在線分析處理（OLAP）、決策支持系統(tǒng)（DS0等現(xiàn)代信息技術(shù)對(duì)企業(yè)生產(chǎn)、經(jīng)營(yíng)過(guò)程中產(chǎn)生的大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行收集、整理、分析，形成知識(shí)或情報(bào)，以輔助企業(yè)做出正確的決策、采取有效的商務(wù)行動(dòng)、優(yōu)化商務(wù)流程、全面提升商務(wù)績(jī)效的工具、方法和技術(shù)的統(tǒng)稱。大數(shù)據(jù)特征：（4個(gè)V）大數(shù)據(jù)的特征特征體量VqIuee多樣性"ariety士匕看萌號(hào)的超大規(guī)模和增長(zhǎng)總數(shù)揖用的80F0%比轉(zhuǎn)構(gòu)化數(shù)據(jù)增代快10倍到50倍是傳統(tǒng)數(shù)據(jù)含庫(kù)的10倍到50倍大數(shù)據(jù)的異構(gòu)和多樣性很多不同形式（文本、圖像，視理

2、、機(jī)益麴據(jù)）無(wú)模式或者模式不明顯不連貫的語(yǔ)法或句義價(jià)值密度Value大量的不相關(guān)信息對(duì)未來(lái)趨騁與模式的可預(yù)泅分析深度篁雜分析（機(jī)學(xué)習(xí).人工智陡也傳統(tǒng)商信智就（咨詢、報(bào)告等）速度Velocity昇毒斤茄而非批量式分析數(shù)據(jù)瞬入，處再萬(wàn)丟棄立竿見(jiàn)影而非事后見(jiàn)效2 .理解商務(wù)智能系統(tǒng)的5層結(jié)構(gòu)商務(wù)智能系統(tǒng)結(jié)構(gòu)大致分為五層數(shù)據(jù)源層：也可稱作操作型數(shù)據(jù)層，是整個(gè)數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ),提供了整個(gè)系統(tǒng)最原始的數(shù)據(jù)精選文檔數(shù)據(jù)獲取層：也可稱作數(shù)據(jù)轉(zhuǎn)換層，主要是把數(shù)據(jù)源層的數(shù)據(jù)通過(guò)ETCL過(guò)程轉(zhuǎn)換到數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)存取層：該層是按主題進(jìn)行分析和對(duì)相關(guān)的數(shù)據(jù)進(jìn)行挖掘的數(shù)據(jù)源，包括每一個(gè)按主題進(jìn)行分類的數(shù)據(jù)集市或?qū)ｉT用于數(shù)據(jù)

3、挖掘的數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)分析服務(wù)層：該層是數(shù)據(jù)存儲(chǔ)和前端分析工具的橋梁前端展現(xiàn)層：用戶界面3 .理解操作型與分析型系統(tǒng)分離的必要性以及他們的特征數(shù)據(jù)處理模式對(duì)數(shù)據(jù)庫(kù)聯(lián)機(jī)的日常操作.通常是對(duì)一個(gè)或一組記錄的查詢和修改，主要是為企業(yè)的特定應(yīng)用服務(wù)，人們關(guān)心的是響應(yīng)時(shí)間、數(shù)據(jù)安全性和完整性保證業(yè)務(wù)正常運(yùn)作對(duì)歷史數(shù)據(jù)進(jìn)行分析和推理，找田有價(jià)值的模式為決策提供依據(jù).一推就業(yè)務(wù)持續(xù)改進(jìn)精選文檔推陳出新操作型數(shù)據(jù)庫(kù)/數(shù)據(jù)倉(cāng)庫(kù)分離提高兩個(gè)系統(tǒng)的性能數(shù)據(jù)庫(kù)系統(tǒng)是為已知的任務(wù)和負(fù)載設(shè)計(jì)的.數(shù)據(jù)倉(cāng)庫(kù)的查詢通常是復(fù)雜的,涉及大量匯總級(jí)的計(jì)算,在數(shù)據(jù)庫(kù)系統(tǒng)上處理分析,會(huì)大大降低操作任務(wù)的性能。兩系統(tǒng)對(duì)比操作型系統(tǒng)分析型系統(tǒng)系

4、統(tǒng)日的頗內(nèi)支持日常操作辦事員-數(shù)據(jù)摩專家支持管理需求、獲取信息管理者.經(jīng)理-分析專家數(shù)據(jù)內(nèi)容當(dāng)前俏歷史.推導(dǎo)的，匯總的俏適于事務(wù)處理適于分析處理訪問(wèn)頻率IHI中、ft特別*詢.隨機(jī)，啟發(fā)式1兩倒幾分科甚至更多相對(duì)較少訪間類型讀取、更新、刪除使用方法可預(yù)知的.反復(fù)的響應(yīng)時(shí)間1杪以F用戶大量精選文檔4 .理解維度爆炸給數(shù)據(jù)挖掘帶來(lái)的困難數(shù)據(jù)過(guò)高的維度會(huì)給計(jì)算帶來(lái)麻煩，在數(shù)據(jù)挖掘處理時(shí)，它會(huì)耗費(fèi)很多的處理時(shí)間和內(nèi)存容量。數(shù)據(jù)的高維度還使得數(shù)據(jù)間的關(guān)系也不容易察覺(jué)，增加了數(shù)據(jù)的無(wú)關(guān)屬性和噪音點(diǎn)。5 .掌握數(shù)據(jù)倉(cāng)庫(kù)的定義并理解其四個(gè)方面的特征數(shù)據(jù)倉(cāng)庫(kù)是決策支持系統(tǒng)和聯(lián)機(jī)分析應(yīng)用數(shù)據(jù)源的結(jié)構(gòu)化數(shù)據(jù)環(huán)境。數(shù)

5、據(jù)倉(cāng)庫(kù)研究和解決從數(shù)據(jù)庫(kù)中獲取信息的問(wèn)題。（數(shù)據(jù)倉(cāng)庫(kù)是為支持管理決策建立的，面向主題的、集成的、隨時(shí)間變化的、相對(duì)穩(wěn)定的數(shù)據(jù)集合。）【滔注：我覺(jué)得寫(xiě)括號(hào)里的會(huì)好一點(diǎn)】四方面特征： 面向主題：主題是指用戶使用數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行決策時(shí)所關(guān)心的重點(diǎn)忙面。 集成性：在數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)之前，要進(jìn)過(guò)統(tǒng)一于綜合，將多個(gè)異源數(shù)據(jù)集成在一起。這一步是數(shù)據(jù)倉(cāng)庫(kù)建設(shè)中最關(guān)鍵、最復(fù)雜的一步。 時(shí)變性：數(shù)據(jù)倉(cāng)庫(kù)隨時(shí)間變化不斷增加新的數(shù)據(jù)。 相對(duì)穩(wěn)定性：數(shù)據(jù)倉(cāng)庫(kù)反映的是歷史的內(nèi)容，而不是聯(lián)機(jī)數(shù)據(jù)，主要供企業(yè)決策分析之用。精選文檔6,掌握數(shù)據(jù)挖掘的定義并描述其主要特征【數(shù)據(jù)挖掘定義】從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)

6、據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在的有用的信息和知識(shí)的過(guò)程。數(shù)據(jù)挖掘是從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)?！局饕襟E】（1）數(shù)據(jù)準(zhǔn)備：從各種數(shù)據(jù)源中選取和集成用于數(shù)據(jù)挖掘的數(shù)據(jù)；（2）規(guī)律尋找：用某種方法將數(shù)據(jù)中的規(guī)律找出來(lái)；（3）規(guī)律表示：用盡可能符合用戶習(xí)慣的方式將找出的規(guī)律表不出來(lái)。7,掌握Minkowski距離，并熟練計(jì)算11,12,l無(wú)窮norm1nr二dist（|Pkqkl）rk1Llnorm當(dāng)r=1,城市街區(qū)（也稱曼哈頓、出租車、L1范數(shù)）距離；L2norm當(dāng)r=2,歐幾里得距離；L°°norm當(dāng)r=°0,上確界距離，這是對(duì)象屬性之間的最

7、大距離。精選文檔MinkowskiDistance閔可夫斯基距離例題pOlOtpl0pa0p3&15I.1Npit>ypl0446P-A0Ap3402P-*6-r0Lin<xwL2pl向P】02S263162P-2£280414:S2p33.1621.4X402，聽(tīng)9j.162工olL2ncrrrLunomL«PlP2F3pl0j35向013淤310p45320DistanceMatrix距離矩陣8,理解Hunt's算法的基本過(guò)程通過(guò)將訓(xùn)練記錄相繼劃分成較純的子集，以遞歸方式建立決策樹(shù)。設(shè)Dt是與節(jié)點(diǎn)t相關(guān)聯(lián)的訓(xùn)練記錄集，而Y=y1,y2,c號(hào)類

8、標(biāo)號(hào),Hunt算法的遞歸定義如下：(1)如果Dt中所有記錄都屬于同一個(gè)類yt,則t是葉節(jié)點(diǎn)，用yt標(biāo)記。(2)如果Dt中包含屬于多個(gè)類的記錄，則選擇一個(gè)屬性測(cè)試條件，將記錄劃分成較小的子集。對(duì)于測(cè)試條件的每個(gè)輸出創(chuàng)建一個(gè)子女節(jié)點(diǎn)，并根據(jù)測(cè)試結(jié)果將Dt中的記錄分布到子女節(jié)點(diǎn)中。然后，對(duì)于每個(gè)子女節(jié)點(diǎn)，遞歸地調(diào)用該算法。精選文檔Hunt'sAlgorithmKi:fund1ItuMcIncome露心,1s4hgta125KNo4N0MarrwdlOOKNo3ShgieFNd4YeaMamed120KNo5No口的95K9Mo“arrw，皿No7YmD時(shí)時(shí)£方2MKNoaNo啾Vf

9、t9NoMamedmNO10NO5-hgioWK¥*TKtHtlbndHviiUIT.kx«bl*SUtUitI方已"rt總Chwt9.掌握吉尼系數(shù)、嫡的定義，會(huì)計(jì)算其最大值與最小值，理解信息增益在構(gòu)造決策樹(shù)時(shí)的意義【基尼系數(shù)、嫡是度量不純度的方法】GINI系數(shù)和嫡都是越小，代表所分的節(jié)點(diǎn)屬性越純，最小可取到0,表示這個(gè)節(jié)點(diǎn)中只有一個(gè)類。當(dāng)一個(gè)節(jié)點(diǎn)中有n個(gè)父節(jié)點(diǎn)，而且能分出n個(gè)子節(jié)點(diǎn)，GINI系數(shù)取到最大值，為1-1/n.嫡也取到最大值10g2n（滔注：那個(gè)2是角標(biāo)，不是1og2n!）【基尼值的性質(zhì)】：越大越不純，越小越純，0最純，1-1/n最不純。精選文檔Mea

10、sureofImpurity:GINIGimIndexforagivennodet:(NOTE.p(j11)istherelativefrequencyofclassjatnodeti.Maximum(1-1/nc)whenrecordsareequallydistributedamongallclasses,implyingleastinterestinginformation-Minimum(0.0)whenallrecordsbelongtooneclass,implyingmostinterestinginformationExamplesforcomputingGINIf7/7(o=

11、1-£uiorGiM1-戶一印6戶口.打電P(C1)*06-0P1C2)*6蘋(píng)*1白坨|1_PC1|2-P1C2)3*1-o-1*0ClPfC力餐由6Pie藥=4圖Gink=1-例產(chǎn)T*呼=O+Mt*i11lcsnull.T.llupirer*Cl.3a3b.子節(jié)點(diǎn)基尼值C2SplittingBasedonGINIUsedinCART,SLIQ,SPRINT«Whenanodepissplitintokpartitions(children,thequalityofsplit(chhdren)iscomputedasi=lftwhere,n,=numberofrecords

12、atchildi.n=numberofrecordsatnodep.精選文檔BinaryAttributes:ComputingG1NIIndex Splitsintotwopartitions EffectolWeighingpartitionsLarger白ndPurerPartitionsaresoughtfdiB7J)rGini(NI)二1-|麗-(2ffp=o.4oaGi而N?)=1-11SF_(W5產(chǎn)=0.32Yrfi，NdX_ModeMlIiNodeN：ClC2GIM=0.500GlnHChildren)7/12r0.408+9/12*o.aa0.375c.最大值、最小值Meas

13、ureofImpurity:GINI*GlnlIndexfaragivennodet:(NOTE:/1門istherelativefrequencyofclassjatnodet).-Maximum(1-1/nc)whenrecordsareequallydistributedamongallclasses,implyingleastinterestinginformation-Minimum(0.0)whenallrecordsbelongtooneclass,implyingmostinterestinginformation（最小值表示最純，最大值表示最不純）【嫡】在信息領(lǐng)域嫡被用來(lái)衡量

14、一個(gè)隨機(jī)變量出現(xiàn)的期望值。嫡是對(duì)信息的不確定性的度量。嫡越低，意味著傳輸?shù)男畔⒃缴佟！镜盏男再|(zhì)】：嫡是衡量節(jié)點(diǎn)一致性的函數(shù)。嫡大于等于0,當(dāng)且僅當(dāng)p1=p2=pn時(shí),嫡最大，純的節(jié)點(diǎn)嫡是0.精選文檔SplittingCriteriabasedonEntropy«Entropyatagivennodet:Entropylf)="zQlogp(j/)(NOTE:isrelativefrequencyofclassjatnodet)-Measureshomogeneityofanode. Maximum0兇n.vhenrecordsareequallydistributedamo

15、ngallclassesimplyingleastinformation Minimum(0.0)whenallrecordsbelongtooneclass,implyingmostinformation EntropybasedcomputationsaresimilartotheGINIindexcomputationsExamplesforcomputingEntropyEnlropy(t)=Np(/1/)logpjF)【信息增益】當(dāng)選擇嫡作為公式的不純性度量時(shí)，嫡的差就是所謂的信息增益。信息增益描述了當(dāng)使用Q進(jìn)行編碼時(shí)，再使用P進(jìn)行編碼的差異。通常P代表樣本或觀察值的分布，也有可能是

16、精確計(jì)算的理論分布。Q代表一種理論，模型，描述或者對(duì)P的近似。當(dāng)純度高達(dá)1時(shí)(即只有一種數(shù)據(jù)類型)：嫡最小，為0;當(dāng)其中的各類數(shù)據(jù)均勻分布時(shí)，嫡最大，為-log2P(j|t)。精選文檔10.理解了解最鄰近分類的基本思想，鄰近分類的前提條件與分類過(guò)程【近鄰分類法】是基于類比學(xué)習(xí)，即通過(guò)將給定的檢驗(yàn)元組與和它相似的訓(xùn)練元組進(jìn)行比較來(lái)學(xué)習(xí)。訓(xùn)練元組用n個(gè)屬性描述。每個(gè)元祖代表n維空間的一個(gè)點(diǎn)。這樣，所有的訓(xùn)練元組都存放在n維模式空間中。當(dāng)給定一個(gè)未知元組時(shí)，近鄰分類法搜索模式空間，找出最接近未知元組的k個(gè)訓(xùn)練元組。這k個(gè)訓(xùn)練元組是未知元組的k個(gè)“最近鄰”。一句話概述：點(diǎn)x的k-最近鄰分類就是離點(diǎn)x的

17、歐式距離最近的k個(gè)點(diǎn)的集Nearest-NeighborClassifiersUnknownrecordRequiresthreethings-ThesetofstoredrecordsDistanceMetrictocomputedistancebetweenrecords-Thevalueofk,thenumberofnearestneighborstoBtrieveToclassifyanunknownrecord:ComputedistancetoothertrainingrecordsIdentityknearestneighbors-Useclasslabelsofnearestn

18、eighborstodeterminetheclasslabelofunknownrecord(eg,bytakingmajorityvote)三個(gè)前提條件：訓(xùn)練集存在內(nèi)存中；給定距離度量指標(biāo)；給定K值分類過(guò)程：1計(jì)算未知點(diǎn)與其他訓(xùn)練集的距離精選文檔2找到K個(gè)最鄰近的鄰近組3用鄰近組的分類標(biāo)簽來(lái)決定未知點(diǎn)所在組的標(biāo)簽。11. 了解分類中的過(guò)擬合及產(chǎn)生的原因【過(guò)度擬合數(shù)據(jù)】當(dāng)決策樹(shù)變大時(shí)，測(cè)試誤差會(huì)越來(lái)越小，而訓(xùn)練誤差會(huì)越來(lái)越大，測(cè)試集產(chǎn)生的決策樹(shù)與實(shí)際會(huì)不符。【產(chǎn)生的原因】(1)噪聲導(dǎo)致的過(guò)分?jǐn)M合(2)決策樹(shù)的復(fù)雜程度超過(guò)了需要的程度，會(huì)產(chǎn)生過(guò)度擬合(3)訓(xùn)練誤差的減小已經(jīng)對(duì)結(jié)果沒(méi)有更多意義但

19、卻依然在計(jì)算，會(huì)產(chǎn)生過(guò)度擬合(4)沒(méi)有更多的屬性來(lái)減小樣本誤差，會(huì)產(chǎn)生過(guò)度擬合12. 理解關(guān)聯(lián)規(guī)則及支持與置信度的定義，并熟練計(jì)算支持度與置信度【關(guān)聯(lián)規(guī)則】關(guān)聯(lián)規(guī)則是形如X-Y的蘊(yùn)涵式，其中，X和Y都是事務(wù)數(shù)據(jù)集。關(guān)聯(lián)規(guī)則的強(qiáng)度可以用它的支持度和置信度度量?！局С侄萐upport!事務(wù)數(shù)據(jù)庫(kù)中既包含X又包含Y某個(gè)項(xiàng)集的事務(wù)占事務(wù)總數(shù)的比例；【置信度Confidence在所有包含X的事務(wù)中包含Y的事務(wù)所占比例。精選文檔Example:Milk,Di叩ernBeertr(MiIkzDiaperBeer)_2_|T|",二一0U+nr。二仃(MilkQ加鈍B"r)二ofMilkD

20、iaper)支持度(Support)f事務(wù)敵據(jù)滓中包含國(guó)小項(xiàng)集的事多占事務(wù)總效的比例白77DItfMSEMilk.Di邛帝質(zhì)=2=041即閑,Milk|I52Br»d.Diaper.E陽(yáng)13Ulk,DIj卬”.除一匚dif-1Eke山MillDia|itiBtei5Biffld,Dupcr,f&ke例子iMilk,Diaper)->Beer(0.4.0,67),矍信度-Confidence(c)一4所布包畬x的事務(wù)中電含丫的事務(wù)所占比例b(Mi【k)_?EMilk,Diaper)4MiningAssociationRulesIF/U一ExampleofRulesMilk

21、hDiaperBeers=Q4,o=067)MEBeelDEF)(s=04hc=1.0)DiaperB&erMilk(s=04,c=0.6711Ikrid.5Iilk2BrucklMpmBrer.FfgE3Milk.口岫p*由卜/4Rrnd.Milk,IHapfr.H«r5llrnd.Milk.Dhpcr.CckrBeer1(Milk,Diaper*(s=04c=067)DiaperMilkhBeer)(5=0.4c=&5)Milk*DHper.EgF)$=0.4c=05)13. 理解Apriori性質(zhì)及其意義Apriori如果一個(gè)項(xiàng)集是頻繁的，那么它的所有子集都是頻

22、繁的。相反，如果一個(gè)項(xiàng)集是非頻繁的，則它的所有超集也一定是非頻繁的?！疽饬x】利用該性質(zhì)，通過(guò)減少搜索空間，來(lái)提高頻繁項(xiàng)集逐層產(chǎn)生的效率精選文檔14. 理解FP-Growth算法克服了Apriori算法的那些不足1 .減少了掃描數(shù)據(jù)庫(kù)的次數(shù)，只用掃描兩次2 .候選項(xiàng)變少，不會(huì)產(chǎn)生那么大的候選項(xiàng)集15. 給定一個(gè)交易數(shù)據(jù)庫(kù)與支持度閾值，能熟練運(yùn)用Apriori算法與FP-Growth算法挖掘頻繁項(xiàng)集Min'rnumSupport=3Items(1Kcmsas)PairsgnifmK)(NntocandidalesinvolvingCokeorrroTriplets3itens&ts

23、)Apriori算法計(jì)算頻繁項(xiàng)集】1BrewlpAnik?Br»flipDid/叫Mr.E巴爐iMilkDiipff.BwCotoi-2dlimxXs5-Bread.103k.DiaperTCokf【步驟】1、第一次掃描，列出一項(xiàng)集，并計(jì)數(shù)2、去除低于閾值的項(xiàng)集，組合出二項(xiàng)集，掃描計(jì)數(shù)。3、重復(fù)步驟2,依次組合出N項(xiàng)集，直至項(xiàng)集計(jì)數(shù)小于閾值，結(jié)束【注意】Apriori定義：如果一個(gè)項(xiàng)集是非頻繁的，則它的所有超集也一定是非頻繁的。所以在組合項(xiàng)集時(shí)一定要注意，新組合出的項(xiàng)集不應(yīng)包含已經(jīng)被“淘汰”的項(xiàng)集。精選文檔FP-Growth算法計(jì)算頻繁項(xiàng)集】步驟一、掃描一次數(shù)據(jù)集，確定每個(gè)項(xiàng)的支持度

24、計(jì)數(shù)。丟棄非頻繁項(xiàng)，將頻繁項(xiàng)按照支持度的遞減排序，生成頻繁項(xiàng)集頭表。(注意事項(xiàng)：1、降序排列。2、MinSup的存在！)TITyTfrw.sbought100tfac,g,irrn,p200a,bfctfLmto>300也£hj.o)400byc,k.spBy-FrodjctofFirstScanofDatabase步驟二、第二次掃描投影，按照f(shuō),c,a,b,m,p的順序逐條對(duì)應(yīng)寫(xiě)出剔除非頻繁項(xiàng)后的頻繁集，(注意：f,c,a,b,m,p的順序確定后就不在變動(dòng)，這在下面的步驟中起關(guān)鍵作用)f,cTaTb,m.p)TIPItems如ughtf0由-eg賽儂IO0dfgti,m,p)

25、200a.b,e,ft(mto300(Vh,i。400brcf500。/c良2P.nih.1的也ffi。arR5A£切瓦cMstrkJjr-ITJp朋IJJ.步驟三、并開(kāi)始構(gòu)建FP樹(shù)。按照事務(wù)ID號(hào)的順序，將處理好的頻繁項(xiàng)集映射$0。彳烏/G凡LP附h創(chuàng)建FP樹(shù)，并在對(duì)應(yīng)節(jié)點(diǎn)計(jì)數(shù)恍£鼻FpNOTE:Lachtransactionccrie5pundstucrivpaliiintheFP-tree精選文檔FinalFP-tree(注意：不要步驟四、構(gòu)建每個(gè)對(duì)象的條件模式基，建議從頻率低的節(jié)點(diǎn)開(kāi)始。忘了f對(duì)應(yīng)的()Conditionalpauernbases族刎mud.刀口仃電

26、界通口壁pJicam;2fcb:lbc;lafi:3c#3/1)步驟五、列出下表，對(duì)照MinSup剔除低于閾值的項(xiàng)。ItemConditionalpatternbaseConditionalFP-treeP(fcam：2)/cb:l)i(c：3)|pm(fca(fcab;l)(f:3fc:3,a3)|mbEmptya體;3)(f;3,c:3)|ac«f：3»fEmptyEmptyMinSup-3步驟六、針對(duì)每一項(xiàng)建立條件FP樹(shù)。下面用m項(xiàng)作例子，如下精選文檔Md叩=3HeaderTable步驟七、找出頻繁項(xiàng)集。1I儲(chǔ)c；3-a:3m-conditionalFP-treeAl

27、lfrequentpatternsconcerning川:combinationof£c:aandJm風(fēng)fin,an.am,ca)nfcam16. 理解關(guān)聯(lián)規(guī)則產(chǎn)生時(shí)所采取的優(yōu)化策略(老師說(shuō)直接距離就可以)比如，L=A,B,C,D):c(ABCD)>c(AB-CD)>c(ABCD)【為什么？分子不變，都是ABCD,分母越來(lái)越大】17. 理解K-means算法的內(nèi)容并討論該算法之不足【K-meandK均值算法流程1、隨機(jī)選擇K個(gè)對(duì)象，每個(gè)對(duì)象代表一個(gè)簇的初始均值或中心2、對(duì)剩余的每個(gè)對(duì)象，根據(jù)它與簇均值的距離，將他指派到最相似的簇3、計(jì)算每個(gè)簇的新均值精選文檔4、回到步驟2

28、,循環(huán)，直到準(zhǔn)則函數(shù)收斂*K-均值其法過(guò)程示例K=2隨機(jī)選打2個(gè):象作為族的中心個(gè)指最的苗第卦像將時(shí)港相族掠的新唉他叱個(gè)均年的新技tfL一更個(gè)均【不足之處】1、只有當(dāng)簇均值有定義的情況下，K-means方法才能夠使用2、用戶必須首先給定簇?cái)?shù)目3、不適合發(fā)現(xiàn)非凸形狀的簇，或者大小差別很大的簇。4、對(duì)噪聲和離群點(diǎn)數(shù)據(jù)敏感。18. 理解凝聚聚類算法的基本過(guò)程，并分析算法時(shí)間與空間復(fù)雜度精選文檔AgglomerativeClusteringIPopularhierarchicalclusteringtechniquefBasicalgorithmisstraightforward1, Computet

29、heproximitymatrix2, Leteachdatapointbeaduster3, Repeat4, MergethetwogI。33stclusters5, Updatetheproximitymatrix6, Untilonlyasingleclusterremains/Keyoperationisthecomputationoftheproximityoftwoclusters-Differentapproachesdefiningthedistancebetweenclustersdistinguishthedifferentalgorithmsd步驟：1計(jì)算距離矩陣2讓每

30、個(gè)數(shù)據(jù)點(diǎn)成為一個(gè)群集3,循環(huán)開(kāi)始4,合并兩個(gè)距離最近的群集5,更新距離矩陣6,直到只剩下一個(gè)群集精選文檔TimeandSpacerequirementsl0(N2)spacesincehierarchicalclusteringusestheproximitymatrix.-Nisthenumberofpoints,.O(N3：timeinmanycases一ThereareNstepsandateachstepthesize,N2,proximitymatrixmustbeupdatedandsearched-ComplexitycanbereducedtoO(N2log(N):timeforsomeapproaches時(shí)間復(fù)雜度：N2倍空間復(fù)雜度：N3倍19. 理解DBSCAN算法將待聚類的點(diǎn)分為哪幾類，分解解釋之精選文檔DensityBasedClustering:DBSCANIDBSCANisadensity-basedalgorithm.- Den