数据挖掘
关注
分享
扫一扫
franwee
大数据hadoop
展开
-
数据挖掘之算法框架
原创 2015-10-07 11:01:56 · 372 阅读 · 0 评论 -
数据挖掘之基础概念二
通过比较父节点（划分前）的不纯程度和子女结点（划分后）的不纯度，他们的差越大，测试条件的效果越好。增益 是一种可以用来确定划分效果的标准：其中I 是给定结点的不纯性度量，N是父节点上的记录总数，K 是属性的个数，N是与子女结点v 相关联的记录个数两个不同类的相邻区域之间的边界称作决策边界。 模型的过拟合 分类模型的误差大致分为两张：训练误差（再代入误差或表现误差），原创 2015-10-07 10:58:13 · 849 阅读 · 0 评论 -
数据挖掘之K-Mean
原创 2015-10-07 11:09:19 · 381 阅读 · 0 评论 -
数据挖掘之基础概念
预测任务：根据其他属性的值，预测特定属性的值。通常数据挖掘的任务 描述任务：导出概括数据中潜联系的模式 四种主要的数据挖掘任务：预测建模、关联分析、聚类分析、异常检测 预测建模： 分类：用于预测离散的目标变量 回归：用于预测连续的目标变量关联分析：用于发现描述数据中强关联特征的原创 2015-10-07 10:55:14 · 452 阅读 · 0 评论