1)数据处理为了更好地说明问题而不受个别变量单位的影响，在聚类分析计算之前需要对原始数据进行标准化处理。数据标准化公式如下：式中，i为股票上市公司的数量，j为上

孤立点是指一个数据集与其他数据有着显著区别的数据对象的集合。例如运动员：乔丹、舒马赫、布勃卡。孤立点挖掘的过程是：给定一个

主要聚类方法有：划分方法、层次的方法、基于密度的方法、基于网格的方法和基于模型的方法。1)划分方法划分方法的思想：给定一个n个对象或元

聚类分析基本概念聚类(簇)是指数据对象的集合。聚类有如下两个特征：在同一个聚类(簇)中的对象彼此相似、不同簇中的对象则相异。聚类分析是指将物理或抽象对象的集合分

1)Apriori算法Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法，其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、

1)挖掘过程关联规则的挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组；第二阶段再由这些高频项目组中产生关联规则。关联规则挖掘的第一阶段

数学定义关联规则定义为：假设I是项的集合。给定一个交易数据库，其中每个事务t是I的非空子集，即，每一个交易都与一个唯一的标识符TID对应。记D为事务的集合(事务

关联规则关联规则是形如X→Y的蕴涵式，其中，X和Y分别称为关联规则的先导和后继。基本概念1)什么是关联规则在描述有关关联规则的一些细节之前，先来看一个有趣的故事

30)；股价的高中低标准为：低(<20元)，中(20～50元)，高(>50元)；是否小盘股的判断标准为：小盘股(流通市值

数据挖掘主要方法主要的分类方法包括：决策树、KNN法、SVM法、VSM法、Bayes法。下面对这几种方法进行简单的介绍：1)决策树决策树是一种典型的分类方法，首

数据挖掘主要内容分类与预测分类技术在量化投资的很多领域都有应用，例如，可以通过上市公司分类构造一个分类模型来对上市公司的资产质量进行风险评估，将上市公司分成不同

数据挖掘典型方法针对上述应用类型，数据挖掘领域提出了多种实现方式与算法，并推出了相应的商业化软件及工具，这里仅讨论几种常见的、典型的实现方法。1、神经网络神经网

1、数据挖掘主要模型分类分类模型的主要功能是根据数据的属性将数据分派到不同的组中。在实际应用过程中，分类模型可以分析分组中数据的各种属性，并找出数据的属性模型，

数据挖掘，习惯上又称为数据序中知识发现(KDD)，也有人把数据挖相视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下3个阶段组成：数据准备、数据挖掘、结

RBF网络学习算法RBF网络的学习过程分为两个阶段。第一阶段，根据所有的输入样本决定隐含层各节点的径向基函数的中心值Cj 和径向基函数的宽度σj。第二阶段，在决