文档介绍：: .
K
和顶点方体）
Systems Senior 41…45 66K…70K
Marketing Senior 36…40 46K…50K
第五章
Marketing Junior 31…35 41K…45K
数据库有 4 个事务。设 min_sup=60%,min_conf=80%
Secretary Senior 46…50 36K…40K
TID Itmes_bought
Secretary Junior 26…30 26K…30K
T100 {K,A,D,B}
T200 {D,A,C,E,B}
给出学生的期中和期末考试成绩。预测其中成绩为 86 分学生期末成绩。
T300 {C,A,B,E}
T400 {B,A,D} 第七章
1将如下的八个点聚类为三个簇。 A1（2,10），A2（2,5），A3（8,4），B1 访问模式访问由短的原子事务组成访问大部分是只读操作
（5,8），B2（7,5），B3（6,4）， C1（1,2），C2（4，9）。假设初始我们系统需要并行、恢复机制
选择 A1，B1 和 C1 分别为每个簇的中心，用 k 均值算法给出在第一轮执
数据挖掘：从大量数据中提取/挖掘知识的过程
行后的三个簇中最后的三个簇
从海量数据中提取出有用的、非常识性的、隐藏的、当前未知的、潜在
什么激发了数据挖掘有益的模式/知识
数据爆炸，数据丰富，但信息匮乏是数据库技术的自然进化，在很多应用中有巨大需求
解决方案：数据仓库、数据挖掘知识发现：数据清理、集成、选择、变换、挖掘、模式评估、知识表示
联机事务处理 OLTP online transaction processing 数据挖掘可以基于多种类型的数据库
数据仓库和联机分析处理 OLAP online analytical processing 数据挖掘功能：
从大型数据库中挖掘有趣知识（规则、模式）概念/类描