数据挖掘 期末考试知识点复习

2020年6月29日星期一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ppt4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）P1096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？P1207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？P1318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？P1439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？P14710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.文本预处理的目的？P1567.什么是文本分类？P1588.什么是文本聚类？P1599.什么是硬聚类？什么是软聚类？P15910.医学文本数据挖掘的应用研究有哪些？（2点）P161-16311