物聯(lián)網(wǎng)中的智能決策(ppt 35頁(yè))-文庫(kù)吧
2024-12-28 23:13 本頁(yè)面
【正文】 掘關(guān)聯(lián)規(guī)則，需要 置信度 和 支持度 越高越好 基本概念 項(xiàng)集 ：滿足若干條件的數(shù)據(jù)項(xiàng)的集合，如果條件數(shù)為 k，則稱 k項(xiàng)集 ?滿足年齡 (顧客 , “20~29”)的項(xiàng)集是 1項(xiàng)集 ?滿足年齡 (顧客 , “20~29”) 收入 (顧客 , “3000~5000”)的項(xiàng)集是 2項(xiàng)集 計(jì)算步驟 ?首先找到具備足夠支持度的項(xiàng)集，即 頻繁項(xiàng)集 ?然后由頻繁項(xiàng)集構(gòu)成關(guān)聯(lián)規(guī)則，并計(jì)算置信度 關(guān)聯(lián)分析 如何尋找頻繁項(xiàng)集 ?Apriori算法 基本思想： 利用已求出的 k項(xiàng)集來(lái)計(jì)算 (k+1)項(xiàng)集 ?首先計(jì)算頻繁 1項(xiàng)集 ?然后根據(jù)兩個(gè)頻繁 k項(xiàng)集 {p1, p2, ..., pk}， {q1, q2, ..., qk}計(jì)算頻繁 (k+1)項(xiàng)集，其中 pi=qi， 1=i=k1，且該 (k+1)項(xiàng)集為 {p1, p2, ..., pk, qk} ?最后判定該 (k+1)項(xiàng)集是否頻繁即可 缺點(diǎn)： 可能產(chǎn)生大量候選項(xiàng)集，并需要重復(fù)地掃描數(shù)據(jù)庫(kù) ?FPGrowth算法 利用樹狀結(jié)構(gòu)保存項(xiàng)集，從而減小了計(jì)算頻繁項(xiàng)集所需的存儲(chǔ)空間 關(guān)聯(lián)分析 如何由頻繁項(xiàng)集構(gòu)造關(guān)聯(lián)規(guī)則，并計(jì)算置信度 關(guān)聯(lián)規(guī) A B的置信度 其中 count(A AND B)為滿足條件 A以及 B的數(shù)據(jù)項(xiàng)數(shù)目， count(A)為滿足條件 A的數(shù)據(jù)項(xiàng)數(shù)目 計(jì)算步驟 ?對(duì)于每一個(gè)頻繁項(xiàng)集 S，計(jì)算 S的所有非空子集 ?對(duì)于每個(gè) S的非空子集 F，若 大于給定置信度閾值，則得到一個(gè)關(guān)聯(lián)規(guī)則 ? )(count ) AND (count)|(P)(Confide nce A BAABBA ???)(count )(countFS )( FS ??分類和預(yù)測(cè) 分類和預(yù)測(cè) 的目標(biāo)是 找出描述和區(qū)分不同數(shù)據(jù)類或概念的模型或函數(shù) ，以便能夠使用模型預(yù)測(cè)數(shù)據(jù)類或標(biāo)記未知的對(duì)象 所獲得的 分類模型 可以采用多種形式加以描述輸出 ?分類規(guī)則 ?判定樹 ?數(shù)學(xué)公式 ?神經(jīng)網(wǎng)絡(luò) ?… 分類與預(yù)測(cè)的區(qū)別： 分類通常指預(yù)測(cè)數(shù)據(jù)對(duì)象屬于哪一類，而當(dāng)被預(yù)測(cè)的值是數(shù)值數(shù)據(jù)時(shí)，通常稱為預(yù)測(cè) 分類和預(yù)測(cè) 以 判定樹 方法為例，簡(jiǎn)要介紹分類的基本步驟和結(jié)果表示 問題實(shí)例 ：假定商場(chǎng)需要向潛在的客戶郵寄新產(chǎn)品資料和促銷信息。客戶數(shù)據(jù)庫(kù)描述的客戶屬性包括姓名、年齡、收入、職業(yè)和信用記錄。 我們可以按是否會(huì)在商場(chǎng)購(gòu)買計(jì)算機(jī)將客戶分為兩類，只將促銷材料郵寄給那些會(huì)購(gòu)買計(jì)算機(jī)的客戶，從而降低成本。 分類和預(yù)測(cè) 用于預(yù)測(cè)客戶是否可能購(gòu)買計(jì)算機(jī)的 判定樹 ，其中 每個(gè)非樹葉節(jié)點(diǎn) 表示一個(gè) 屬性上的測(cè)試 ， 每個(gè)樹葉節(jié)點(diǎn) 代表 預(yù)測(cè)結(jié)果 分類和預(yù)測(cè) 如何構(gòu)造上述判定樹？ 基本概念： n個(gè)客戶中有 a個(gè)購(gòu)買了計(jì)算機(jī)的 期望信息 建立樹節(jié)點(diǎn)時(shí)，選取合適的判定屬性，以 最大化期望信息增益應(yīng) ?某種屬性上的信息增益大小反映了該
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1