大话数据挖掘2

---恢复内容开始---

关联算法：由Agrawal和Verkamo于1994年提出的Apriori算法，基本思想是首先从事件中集中寻找所有频繁出现的事件子集，然后在这些频繁事件子集中发现可信度较高的规则。

聚类：将数据对象划分成若干个类，在同一类中的对象具有较高的相似度，而在不同类中的对象差异较大。两个对象之间的距离越小，说明二者越相似，用距离度量对象的相似性应该是最自然的方法。

聚类的基本思想：类内数据点越近越好，类间点越远越好的尽可能算法。

聚类的经典算法：层次聚类，划分方法。经典的代表作有k-Means和k-Medoids和聚集、分裂算法。

k-Means核心思想：把n个数据划分为k个类，使每个类中的数据点到该类中心的距离平方和最小。

---恢复内容结束---

关联算法：由Agrawal和Verkamo于1994年提出的Apriori算法，基本思想是首先从事件中集中寻找所有频繁出现的事件子集，然后在这些频繁事件子集中发现可信度较高的规则。

聚类：将数据对象划分成若干个类，在同一类中的对象具有较高的相似度，而在不同类中的对象差异较大。两个对象之间的距离越小，说明二者越相似，用距离度量对象的相似性应该是最自然的方法。

聚类的基本思想：类内数据点越近越好，类间点越远越好的尽可能算法。

聚类的经典算法：层次聚类，划分方法。经典的代表作有k-Means和k-Medoids和聚集、分裂算法。

k-Means核心思想：把n个数据划分为k个类，使每个类中的数据点到该类中心的距离平方和最小。