关联规则学习是一种无监督学习技术，它测试一个数据元素对另一个数据元素的依赖性，并进行相应的设计，使其更具成本效益。它试图发现数据集变量之间一些有趣的关联或关系。它依赖于各种规则来查找数据库中变量之间的有趣关系。关联规则学习是机器学习中最重要的方法之一，它被应用于市场篮子分析、网络使用挖掘、持续生产等领域。在市场篮子分析中，它是许多大型零售商使用的一种方法... 阅读更多

统计学是从数据中学习的科学。它涵盖从计划数据集和后续数据管理到最终活动，包括从称为数据的数值事实中推断和呈现结果的所有内容。统计学关注人类最基本的需求：在创新和不确定性面前，需要更多地了解世界以及世界如何运作。信息是知识的交流。数据本身被称为原始数据，而不是知识。从数据到知识的序列如下：从数据到信息（数据发展成信息... 阅读更多

基于模型的聚类是一种用于数据聚类的统计方法。观察到的（多元）数据被认为是由有限数量的成分模型生成的。每个成分模型都是一个概率分布，通常是参数多元分布。例如，在多元高斯混合模型中，每个成分都是一个多元高斯分布。负责生成特定观测值的成分决定了该观测值所属的聚类。基于模型的聚类试图提高给定数据与某些数学模型之间的拟合度，并基于数据是由基本... 阅读更多

基于网格的聚类方法使用多分辨率网格数据结构。它将对象区域量化为有限数量的单元格，这些单元格形成一个网格结构，聚类的所有操作都在该结构上实现。该方法的优点是其快速的处理时间，通常与数据对象的数量无关，而仅取决于量化空间中每个维度中的多个单元格。基于网格的聚类使用多分辨率网格数据结构，并使用密集的网格单元格来形成聚类。有一些有趣的方法，例如 STING、wave cluster 和 CLIQUE。STING - 统计... 阅读更多

无监督学习是指当它可以提供一组未标记的数据时，需要对其进行分析并在其中查找模式。示例包括降维和聚类。训练通过一组未标记、分类或分类的数据来支持机器，并且算法需要在没有监督的情况下对该数据进行处理。无监督学习的目标是将输入记录重构为新特征或一组具有相同模式的对象。聚类分析用于根据各种测量结果形成相同记录的组或聚类... 阅读更多

分区算法有两种类型，如下所示：K 均值聚类 - K 均值聚类是最常见的分区算法。K 均值将数据集中的每个数据重新分配到新形成的聚类之一。使用距离或相似度度量将记录或数据点分配到最近的聚类。K 均值聚类中使用了以下步骤：它可以选择 K 个初始聚类质心 c1、c2、c3 ... ck。它可以将 S 聚类中的每个实例 x 分配到其质心最接近 x 的聚类。对于每个聚类，根据... 阅读更多

关系数据库系统支持五个内置聚合函数，例如 count()、sum()、avg()、max() 和 min()。这些聚合函数可用作多维信息描述性挖掘中的基本度量。有两个描述性统计度量，例如集中趋势度量和数据离散度度量，可以有效地用于高多维数据库。集中趋势度量 - 集中趋势度量，例如均值、中位数、众数和中程。均值 - 算术平均值简单地通过将所有值加在一起并除以值的数量来计算。它使用来自每个值的数... 阅读更多

这是一种用于预处理数据的统计方法，用于过滤掉无关属性或对相关属性进行排序。属性相关性分析的度量可用于识别可以在概念描述过程中被取消授权的无关属性。将此预处理步骤纳入类特征描述或比较被称为分析特征描述。数据辨别创建辨别规则，这些规则是两个类（定义为目标类和对比类）之间对象的一般特征的比较。它是将目标类数据对象的总体特征与对象的总体特征进行比较... 阅读更多

阶级歧视被定义为阶级主义。它是基于社会阶层的偏见或歧视。它涉及个人态度、行为、政策体系和实践，这些体系和实践是为了让上层阶级受益，而下层阶级则付出代价。阶级主义可以定义为针对下层阶级的个人偏见和制度性阶级主义，就像种族主义一词可以严格定义为个人偏见或制度性种族主义一样。后者被认为是我们的社会中多个机构中显而易见的意识或无意识的阶级主义的方式”。阶级歧视可以在多种形式的媒体中看到，包括电视节目、电影和... 阅读更多

数据泛化通过用高级概念（包括年轻、中年和老年）替换相对低级的值（包括属性年龄的数值）来总结数据。因此，它是一个将数据库中大量与任务相关的信息从相对较低的概念级别抽象到较高概念级别的过程。以下是两种用于高效灵活地泛化大型数据集的方法：OLAP 方法 - 数据立方体技术可以被视为一种基于数据仓库、面向预计算的物化视图方法。它在 OLAP 或数据挖掘查询被移动以进行处理之前执行离线聚合。面向属性的归纳方法 - 它 ... 阅读更多