物聯(lián)網(wǎng)中的智能決策(ppt35頁(yè))-wenkub
2023-01-26 23:13:41 本頁(yè)面
【正文】 建立樹(shù)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屬性區(qū)分給定數(shù)據(jù)的的能力強(qiáng)弱 nannannanaanaI ?????? loglog),(10條客戶(hù)記錄，其中 6人購(gòu)買(mǎi)了計(jì)算機(jī)， 4人沒(méi)有購(gòu)買(mǎi)。?? EE聚類(lèi)分析 聚類(lèi)的目的是 將數(shù)據(jù)對(duì)象劃分為多個(gè)類(lèi)或簇 ，在同一個(gè)簇中的對(duì)象之間具有較高的相似度，而不同簇中的對(duì)象差別較大 聚類(lèi)與分類(lèi)的區(qū)別： 要?jiǎng)澐值念?lèi)是事先未知的 聚類(lèi)分析的應(yīng)用 聚類(lèi)分析 聚類(lèi)分析的方法 ?劃分方法 ：要求事先給定聚類(lèi)的數(shù)目 k。分裂方法首先將所有的數(shù)據(jù)對(duì)象置于一個(gè)類(lèi)中，然后反復(fù)迭代并判定當(dāng)前的類(lèi)是否可以被繼續(xù)分裂，直到達(dá)到終止條件為止 ?基于密度的方法 ：只要某區(qū)域數(shù)據(jù)密度超過(guò)閾值，就將該區(qū)域的數(shù)據(jù)進(jìn)行聚類(lèi)。主要分兩類(lèi)：統(tǒng)計(jì)學(xué)方法和神經(jīng)網(wǎng)絡(luò)方法 離群點(diǎn)分析 離群點(diǎn) (Outlier)：數(shù)據(jù)集合中存在的一些數(shù)據(jù)對(duì)象，它們與其余絕大多數(shù)數(shù)據(jù)的特性或模型不一致 尋找離群點(diǎn)的意義 ?發(fā)現(xiàn)信用卡詐騙 。相反，它通過(guò)檢查數(shù)據(jù)對(duì)象的一組主要特征來(lái)確定離群點(diǎn)。例如，如果主人在門(mén)口，就將由安裝在門(mén)上的智能設(shè)備向他發(fā)出提醒，如果在車(chē)內(nèi)，則由車(chē)載計(jì)算機(jī)發(fā)出提醒 金融安全 精準(zhǔn)農(nóng)業(yè) 市場(chǎng)行銷(xiāo) 智能家居 金融安全 產(chǎn)品制造和質(zhì)量監(jiān)控 互聯(lián)網(wǎng)用戶(hù)行為分析 ?由于金融投資的風(fēng)險(xiǎn)很大，所以在進(jìn)行投資決策時(shí)，需要通過(guò)對(duì)各種投資方向的數(shù)據(jù)進(jìn)行分析，以選擇最佳的投資方向。 ?通過(guò)數(shù)據(jù)挖掘?qū)?shù)據(jù)進(jìn)行分析，可以得到產(chǎn)品質(zhì)量與這些參數(shù)之間的關(guān)系，從而能獲得針對(duì)性很強(qiáng)的建議以改進(jìn)產(chǎn)品質(zhì)量，而且有可能發(fā)現(xiàn)新的更高效節(jié)約的控制模式，為廠(chǎng)家?guī)?lái)豐厚的回報(bào) 互聯(lián)網(wǎng)用戶(hù)行為分析 精準(zhǔn)農(nóng)業(yè) 市場(chǎng)行銷(xiāo) 智能家居 金融安全 產(chǎn)品制造和質(zhì)量監(jiān)控 互聯(lián)網(wǎng)用戶(hù)行為分析 ?隨著中國(guó)互聯(lián)網(wǎng)用戶(hù)數(shù)的激增，用戶(hù)在互聯(lián)網(wǎng)上的行為分析逐漸引起了關(guān)注。 重點(diǎn)掌握 ?了解數(shù)據(jù)挖掘的概念以及特點(diǎn)（反復(fù)迭代，人機(jī)交互）。 本章小結(jié) 重點(diǎn)掌握（續(xù)） ?理解聚類(lèi)分析與分類(lèi)的區(qū)別，了解 kmeans算法。 Thank you! 。 ?了解演化分析的基本概念。 ?理解關(guān)聯(lián)分析的相關(guān)概念：關(guān)聯(lián)規(guī)則（支持度 /置信度）， Apriori算法，頻繁項(xiàng)集。其次，能夠幫助更好地組織和設(shè)計(jì)網(wǎng)頁(yè)，以及幫助改善市場(chǎng)營(yíng)銷(xiāo)策略 (例如把廣告放在合適的網(wǎng)頁(yè)上 )以更好地吸引客戶(hù)的注意 本章小結(jié) 內(nèi)容回顧 本章介紹了數(shù)據(jù)挖掘的基本流程，重點(diǎn)介紹了五種典型的數(shù)據(jù)挖掘算法和步驟。在產(chǎn)品的生產(chǎn)制造過(guò)程中常常伴隨有大量的數(shù)據(jù)，如產(chǎn)品的各種加工條件或控制參數(shù) (如時(shí)間、溫度等 )。 ?數(shù)據(jù)通過(guò)物聯(lián)網(wǎng)傳輸?shù)竭h(yuǎn)程控制中心，可及時(shí)查清當(dāng)前農(nóng)作物 的 生長(zhǎng)環(huán)境現(xiàn)狀和變化趨勢(shì)，確定農(nóng)作物的生產(chǎn)目標(biāo) 。在網(wǎng)絡(luò)銷(xiāo)售的時(shí)候，詐騙者往往冒充商家，出售報(bào)價(jià)比正常價(jià)格低出許多的商品，這樣的行為也是可以通過(guò)離群點(diǎn)分析被找到的 離群點(diǎn)分
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1