是用样本的属性作为结点,用属性的取值作为分支的树结构。它是分类规则挖掘的典型方法,可用于对新样本进行分类。
是对差异和极端特例的描述,用于揭示事物偏离常规的异常现象,如标准类外的特例,数据聚类外的离群值等。
是根据时间序列型数据,由历史的和当前的数据去推测未来的数据,也可以认为是以时间为关键属性的关联知识。
通过对大量数据的归纳、概括和抽象,提炼出带有普遍性的、概括性的描述统计的知识。
缩小数据的取值范围,使其更适合于数据挖掘算法的需要,并且能够得到和原始数据相同的分析结果。
最新试题
用流程图进行过程分析时应考虑的主要方面有哪些?
遗传算法
关联知识
孤立点
ROLAP
聚类
偏差型知识
调查表的作用是什么?应用调查表的主要步骤是什么?
元数据(metadata)
数据规范化