![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据挖掘-聚类-分类等
文章平均质量分 55
phoem
这个作者很懒,什么都没留下…
展开
-
聚类-分类
<br />今天学到的东西聚类和分类的区别:分类事先需要知道到底分几类,每类的特性等,而聚类分析是一种探查数据结构的工具,将对象划分为簇,使得同一簇的对象相似,而不同簇的对象相异。对象可以通过某些度量或与其他对象的关系来描述,分类不同,聚类不需要以先验只是符来标定数据类别标号的假定,因此,聚类属于非监督学习技术。相似性及其度量:其实在聚类中最重要的就是相似性分析和度量了,这里的度量也是针对对象特征的,所以首先要产生特征,然后提炼特征,规范化特征,减少特征。<br /> 相似性原创 2010-08-28 08:27:00 · 386 阅读 · 0 评论 -
朴素贝叶斯网络
1.简介 贝叶斯网络为一个有向无环图,每个顶点表示一个取值,顶点和顶点之间有弧存在,如果有一条弧从x到y,则表示x是y的双亲或直接前驱。一旦给定一个元素的所有双亲,每个变量独立于图中该结点的非后继,这里的独立是条件独立的。一个简单的贝叶斯网络如图所示。2. 贝叶斯网络的作用 (1)因果推理,已知一定的原因,使用贝叶斯网络的推理计算,求出在该原因下结果发生的概率。 (2)诊断推理,在已知的结果时,找出产生该结果的原因,一直发生了某些结果,根据贝叶斯网络的推理计算,得到造成该结果发生的原因和发生的概原创 2010-09-24 15:29:00 · 918 阅读 · 0 评论 -
朴素贝叶斯网络举例
<br />4. 举例<br />给定训练样本集,样本属性age, income, student, credit_rating描述,类标号属性buy-computer,具有两个不同值({yes, no})。设C1对应于类buy-comput=yes,C2为no,待分类样本为(age=”<=30”, income=”medium”, student=”yes”, credit-rating = “fair”),求利用朴素贝叶斯网络分类器预测待分类样本的类标号。<br />(1)首先建立朴素贝叶斯网络的结构<原创 2010-09-24 16:16:00 · 1913 阅读 · 0 评论 -
朴树贝叶斯网络
<br />1.简介<br /> 贝叶斯网络为一个有向无环图,每个顶点表示一个取值,顶点和顶点之间有弧存在,如果有一条弧从x到y,则表示x是y的双亲或直接前驱。一旦给定一个元素的所有双亲,每个变量独立于图中该结点的非后继,这里的独立是条件独立的。<br /><br />一个简单的贝叶斯网络如图所示。<br /><br /><br /> <br /> <br />2. 贝叶斯网络的作用<br /> (1)因果推理,已知一定的原因,使用贝叶斯网络的推理计算,求出在该原因下结果发生的概率。<br />原创 2010-09-24 16:14:00 · 653 阅读 · 0 评论