2014年数据挖掘考试大纲复习要点概览

数据挖掘复习大纲详细梳理了数据挖掘的基本概念、过程和应用，旨在帮助考生全面掌握这一领域的核心知识。大纲主要包括以下几个部分： 1. **基础知识**： - 数据挖掘过程：被定义为一个迭代且以数据为中心的螺旋式探索，涉及理解业务需求、数据探索、预处理、模型构建、评估和实施六个阶段。 - 数据挖掘功能：涵盖了数据总结、分类、关联规则发现和聚类等任务，这些都是挖掘数据潜在价值的关键手段。 2. **数据类型和实验设计**： - 变量类型：根据计量层次可分为数据型、定类型和定序型，Clementine进一步细化为连续数值、离散数值、二分类型和多分类型，还包含缺省型变量。 - 实验因素、水平和指标：在实验设计中，实验因素是研究对象，其不同取值为水平，实验指标则是用来衡量实验效果的量化标准。 3. **数据挖掘工具中的操作功能**： - Type：负责检查和限定输入数据流中变量的有效性。 - Filler：处理变量值的重新计算，确保数据一致性。 - Reclassify：用于调整分类型变量的分类。 - Derive：创建新变量，扩展数据的维度。 - Binning：离散化数值，将连续值分成多个区间。 - Partition：将样本数据分割成多个子集，便于数据分析。 - Sort：样本排序，组织数据结构。 - Select：筛选样本，满足特定条件。 - Sample：随机抽样，控制样本大小。 - Distinct：去除重复样本，减少冗余信息。 - Aggregate：实现分类汇总，提炼关键统计信息。 - Balance：保持样本的类别均衡，防止偏差影响分析结果。 - Trans：可能是“转换”之意，可能涉及数据预处理中的某种变换操作。 该大纲适用于准备2014年6月24日举行的考试，考试地点在教212。复习时，考生需要深入理解数据挖掘的各个环节，掌握不同类型变量的处理方法，以及各种工具在数据挖掘过程中的具体作用。通过章节练习和计算题的训练，能够更好地应对综合分析题，展现对数据挖掘理论和技术的熟练掌握。