数据挖掘考试重点

数据挖掘考试重点
问答。
1、简述支持向量机的“最大边缘”原理。
“最大边缘”原理：即追求分类器的泛化能力最大化。即希望所找到的决策边界，在满足将两类数据点正确的分开的前提下,对应的分类器边缘最大。这样可以使得新的测试数据被错分的几率尽可能小。
2、简述软边缘支持向量机的基本工作原理。
软边缘(soft margin)SVM的基本工作原理：
对存在数据污染、近似线性分类的情况,可能并不存在一个最优的线性决策超平面；当存在噪声数据时，为保证所有训练数据的准确分类， 可能会导致过拟合。因此，需要允许有一定程度“错分”,又有较大分界区域的最优决策超平面，即软间隔支持向量机。
软间隔支持向量机通过引入松弛变量、惩罚因子，在一定程度上允许错误分类样本，以增大间隔距离。在分类准确性与泛化能力上寻求一个平衡点。
3、简述非线性支持向量机的基本工作原理。。
对非线性可分的问题，可以利用核变换，把原样本映射到某个高维特征空间，使得原本在低维特征空间中非线性可分的样本，在新的高维特征空间中变得线性可分，并使用线性支持向量机进行分类。
4、简述K均值算法的步骤。选择1个方面论述K均值算法可能遇到
的问题及如何解决。。
 K均值的算法步骤：首先选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个数。每个点指派到最近的质心，而指派到一个质心的点集为一个簇。然后，根据指派到簇的点，更新每个簇的质心。重复指派和更新步骤，直到簇不发生变化，或等价的，直到质心不发生变化。
 算法流程如下：

 基本K均值算法存在的问题：
 不同的初始质心将收敛得到不同的目标函数，可能只能达到局部最优解。
 随机选取初始质心ÿ