等频划分,等宽划分
离散化方法的研究,已经提出了等频划分、等宽划分和适应离散法等。
1、等宽划分:在最小值和最大值之间平均划分成N个区间(N用户给定),假定A和B分别是最大值和最小值,则每个区间的宽度为W=(B-A)/N,区间的边界线分别为A,A+W,A+2W,......,A+(N-1)W,A+NW=B
2、等频划分:把整个区域分为N个区间,每个区间有大约相同数目的例子
如:N=10,则每个区间中有大约10%的例子
这两种离散化方法都与分类信息无关
当属性值分布不均匀时,不能很好表示数据分布
1、等宽划分:在最小值和最大值之间平均划分成N个区间(N用户给定),假定A和B分别是最大值和最小值,则每个区间的宽度为W=(B-A)/N,区间的边界线分别为A,A+W,A+2W,......,A+(N-1)W,A+NW=B
2、等频划分:把整个区域分为N个区间,每个区间有大约相同数目的例子
如:N=10,则每个区间中有大约10%的例子
这两种离散化方法都与分类信息无关
当属性值分布不均匀时,不能很好表示数据分布
要声明一个静态变量或定义一个静态方法,就要在变量或方法的声明中加上修饰符static.
类中的常量应该声明为final static.
使'类名.方法名'调用静态方法
使'类名.变量名'调用静态变量。
静态变量和静态方法既可以在类的实例方法中使用,又可以在类的静态方法中使用。但是实例变量和实例方法就只能在实例方法中使用。
当方法不依赖于任何具体的实例,就声明为静态方法。
类中的常量应该声明为final static.
使'类名.方法名'调用静态方法
使'类名.变量名'调用静态变量。
静态变量和静态方法既可以在类的实例方法中使用,又可以在类的静态方法中使用。但是实例变量和实例方法就只能在实例方法中使用。
当方法不依赖于任何具体的实例,就声明为静态方法。
截断均值:
指定0和100之间的百分数p,丢弃高端和低端(p/2)%的数据,然后用常规的方法计算均值,所得的结果就是截断均值.
按照公式,(p/2)%=20%,8*20%=1.6约等于2,那么应该截掉前两个数和后两个数,剩下{3,4},所以截断均值为(3+4)/2=3.5。
按照公式,(p/2)%=20%,8*20%=1.6约等于2,那么应该截掉前两个数和后两个数,剩下{3,4},所以截断均值为(3+4)/2=3.5。
傅立叶变换
,表示能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者它们的积分的线性组合。
查准与召回(Precision & Recall)
召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标。
召回率:Recall,又称“查全率”——还是查全率好记,也更能体现其实质意义。
准确率:Precision,又称“精度”、“正确率”。
通俗的讲,Precision 就是检索出来的条目中(比如网页)有多少是准确的,Recall就是所有准确的条目有多少被检索出来了。
下面这张图介绍True Positive,False Negative等常见的概念,P和R也往往和它们联系起来。
ROC曲线和PR曲线
基本概念
- True Positives,TP:预测为正样本,实际也为正样本的特征数