数据挖掘复习总结

该掌握的题型有：
1、熟练计算支持度和置信度
计算支持度方法如下：

计算置信度方法如下：

例子如下：

2、运用Apriori算法求频繁挖掘项集
方法如下：

例题如下：

3、运用FP-growth算法求频繁挖掘项集
方法如下：

例题如下：


4、运用k-means算法进行相关题目的计算

例题如下：



5、运用DBscan算法进行相关关题目的计算


例题如下：


6、贝叶斯朴素算法的相关计算
公式：

例题如下：


7、决策树相关计算
信息增益相关计算:
公式一：

公式二：


信息增益计算公式：

例题如下：



信息增益率：
公式一：

公式二：

例题如下：


gini指数：
公式一：

公式二：

公式三：

例题如下：




8、度量各种数据的相异性和相似性
题型一：标称属性的邻近度量

例题如下：

题型二：二元属性的相异度量

例题如下：


题型三：曼哈坦距离

例题如下：


题型四：欧几里得距离

例题如下：


题型五：上确界距离

例题如下：


题型六：有序变量的邻近性度量

例题如下：

题型七：混合类型属性的相异性

例题如下：


题型八：余弦相似性

例题如下：

题型九：基于距离的离群点检测

例题如下：



题型十：基于聚类的离群点检测
离群因子定义一计算方法：



离群因子定义二计算方法：




离群因子定义三计算方法：