- 博客(4)
- 收藏
- 关注
RSS订阅原创 数据挖掘导论 笔记5
其他分类模型基于规则的分类器ri是规则，R=是规则集每一个分类规则可以表示为形式规则左边称为规则前件(rule antecedent)或前提(precondition)。它是属性测试的合取，即规则右边称为规则后件(rule consequent)，包含预测类yi分类规则的质量可以用覆盖率(coverage) 和准确率(accuracy) 来度量覆盖率定义为D中满足规则r的记录所占的比例准确率或置信因子定义为类标号等于y占触发r的比例基于规则的分类器的工作原理互斥规则(Mutuall
2020-07-17 22:14:54
5894
原创 数据挖掘导论 笔记4
分类 (classification)分类任务 就是通过学习得到一个目标函数(target function)f,把每个属性集x映射到一个预先定义的类标号y。目标函数也称分类模型(classfication model).分类模型可以用于以下目的。关键是结果是离散的。这正是区别分类与回归(regression) 的关键特征。回归是一种预测建模任务，其中目标属性y是连续的。比如Support Vector Regression和Support Vector Machine:SVR:输出wx+b,即某
2020-07-14 19:23:15
1113
原创 数据挖掘导论 笔记3
给定一个无序的、分类的值的集合，为了进一步刻画值的性质，除计算特定数据集中每个值出现的频率外没有多少的事情可做。给定一个在{1, … Vi, … Vk}.上取值的分类属性x和m个对象的集合，值vi的频率定义为:分类属性的众数(mode) 是具有最高频率的值。百分位数对于有序数据，考虑值集的百分位数(percentile) 更有意义。具体地说，给定-一个有序的或连续的属性x和0与100之间的数p，第p个百分位数x是一个x值，使得x的p%的观测值小于xp。例如，第50个百分位数是值x50%，使得x的所有
2020-07-11 16:26:11
5130
原创 数据挖掘导论 笔记2
第二章标题数据质量数据质量不一定好，比如测量值与实际值的差称为误差(error)。数据收集错误(data collection error)是指诸如遗漏数据对象或属性值,噪声是测量误差的随机部分。这可能涉及值被扭曲或加入了谬误对象。图2-5显示被随机噪声干扰前后的时间序列。如果在时间序列上添加更多的噪声,形状将会消失。图2-6显示了三组添加一些噪声点(用“+”表示)前后的数据点集。注意，有些噪声点与非噪声点混在一起。完全消除噪声通常是困难的，许多数据挖掘工作关注设计鲁棒算法(robust
2020-07-09 18:32:47
1123
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人