大數(shù)據(jù)第3章數(shù)據(jù)挖掘算法(下)-wenkub
2023-02-11 23:31:59 本頁(yè)面
【正文】 頻繁項(xiàng)集壓縮到一棵頻繁模式樹(shù)中，同時(shí)保持項(xiàng)集乊間的關(guān)聯(lián)關(guān)系。同時(shí)必須了解清楚情況，是否存在潛在因素，綜合考慮。 of 65 10 關(guān)聯(lián)規(guī)則 第三章 數(shù)據(jù)挖掘算法 分類(lèi) 技術(shù) 構(gòu)造決策樹(shù) 修剪決策樹(shù) 根據(jù) 實(shí)際需求及所處理數(shù)據(jù)的特性，選擇類(lèi)別標(biāo)識(shí)屬性和決策樹(shù)的決策屬性集 在決策屬性集中選擇最有分類(lèi)標(biāo)識(shí)能力的屬性作為決策樹(shù)的當(dāng)前決策節(jié)點(diǎn) 根據(jù)當(dāng)前決策節(jié)點(diǎn)屬性取值的丌同，將訓(xùn)練樣本數(shù)據(jù)集劃分為若干子集 ① 子集中的所有元組都屬于同一類(lèi)。 常用的決策樹(shù)修剪策略 基于代價(jià)復(fù)雜度的修剪 悲觀修剪 最小描述 長(zhǎng)度 修剪 按照修剪的先后順序 先剪枝（ Prepruning） 后剪枝（ Postpruning） of 65 11 關(guān)聯(lián)規(guī)則 第三章 數(shù)據(jù)挖掘算法 分類(lèi) 技術(shù) 2． k最近鄰 最臨近分類(lèi)基于類(lèi)比學(xué)習(xí)，是一種基于實(shí)例的學(xué)習(xí)，它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè)，而丌必維護(hù)源自數(shù)據(jù)的抽象（或模型）。 12( , , , )nX x x x? 12( , , , )nY y y y?21( , ) ( )ni i id X Y x y????最近鄰分類(lèi)是基于要求的或懶散的學(xué)習(xí)法，即它存放所有的訓(xùn)練樣本，幵丏直到新的（未標(biāo)記的）樣本需要分類(lèi)時(shí)才建立分類(lèi)。 2．?dāng)?shù)據(jù)預(yù)處理 數(shù)據(jù)準(zhǔn)備不預(yù)處理是數(shù)據(jù)挖掘中的首要步驟，高質(zhì)量的數(shù)據(jù)是獲得高質(zhì)量決策的先決條件。 在處理完噪聲數(shù)據(jù)后，就可以對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)化，主要的方法 有 ： 聚集 忽略 無(wú)關(guān) 屬性 連續(xù)型 屬性離散化等 。 從時(shí)間序列數(shù)據(jù)中提取幵組建特征 ，仍用 原有的數(shù)據(jù)挖掘框架不算法進(jìn)行數(shù)據(jù)挖掘 將時(shí)間序列數(shù)據(jù)作為一種特殊的挖掘?qū)ο?，找尋?duì)應(yīng)的數(shù)據(jù)挖掘 算法進(jìn)行 與門(mén)研究 依據(jù)研究的方式分類(lèi) 相似性問(wèn)題 挖掘 時(shí)態(tài)模式 挖掘 依據(jù)研究的內(nèi)容分類(lèi) 依據(jù)研究 的 對(duì)象 分類(lèi) 事件序列的數(shù)據(jù)挖掘 事務(wù)序列的數(shù)據(jù)挖掘 數(shù)值序列的數(shù)據(jù)挖掘 時(shí)間序列預(yù)測(cè)及數(shù)據(jù) 挖掘 分類(lèi) of 65 16 預(yù)測(cè)模型 預(yù)測(cè) 不預(yù)測(cè)模型 第三章 數(shù)據(jù)挖掘算法 預(yù)測(cè)方案分類(lèi) 時(shí)間序列預(yù)測(cè) 定性預(yù)測(cè)方法 依據(jù) 預(yù)測(cè)方法的性質(zhì) 因果關(guān)系預(yù)測(cè) 時(shí)間序列的統(tǒng)計(jì) 特征 1） 均值函數(shù) t [ ] ( )ttE X x f x d x? ????? ?2） 自協(xié)方差函數(shù) , ( , ) [ ( ) ( ) ]t s t s t t s sC o v x x E x E x x E x? ? ? ?3）自相關(guān)函數(shù) ,tstst t s s????of 65 17 預(yù)測(cè)模型 預(yù)測(cè) 不預(yù)測(cè)模型 第三章 數(shù)據(jù)挖掘算法 1） 自回歸模型 2） 移動(dòng)平均模型 3） 自回歸移動(dòng)平均模型 1 1 2 2t t t p t p ix x x x ?? ? ?? ? ? ? ? ? ? ?1 1 2 2t t t t q t qx ? ? ? ? ? ? ?? ? ?? ? ? ? ?1 1 2 2 1 1 2 2t t t p t p i t t q t qx x x x ? ? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ? ? ? ? ? ? ? ?of 65 18 時(shí)間序列模型 預(yù)測(cè)方案分類(lèi) 預(yù)測(cè)模型 時(shí)間序列 預(yù)測(cè) 第三章 數(shù)據(jù)挖掘算法 時(shí)間序列： 對(duì)按時(shí)間順序排列而成的觀測(cè)值集合，進(jìn)行數(shù)據(jù)的預(yù)測(cè)或預(yù)估。 of 65 20 預(yù)測(cè)模型 案例 ：地震預(yù)警 第三章 數(shù)據(jù)挖掘算法 1． 地震波形數(shù)據(jù)存儲(chǔ)和計(jì)算平臺(tái) 南京云創(chuàng)大數(shù)據(jù)有限公司為山東省地震局研發(fā)了一套可以處理海量數(shù)據(jù)的高性能地震波形數(shù)據(jù)存儲(chǔ)和計(jì)算平臺(tái)，將從現(xiàn)有的光盤(pán)中導(dǎo)入地震波形數(shù)據(jù)幵加以管理，以提供集中式的地震波形數(shù)據(jù)分析不地震預(yù)測(cè)功能，為開(kāi)展各種地震波形數(shù)據(jù)應(yīng)用提供海量數(shù)據(jù)存儲(chǔ)管理和計(jì)算服務(wù)能力。一般較常見(jiàn)的應(yīng)用案例多發(fā)生在零售業(yè)、制造業(yè)、財(cái)務(wù)金融保險(xiǎn)、通信業(yè)及醫(yī)療服務(wù)等。 of 65 28 分析 方法不過(guò)程 第三章 數(shù)據(jù)挖掘算法 圖 314 電子商務(wù)網(wǎng)站操作流程 of 65 29 分析 方法不過(guò)程 第三章 數(shù)據(jù)挖掘算法 在電子商務(wù)系統(tǒng)中，忠誠(chéng)度分析所需要的客戶(hù)信息和交易信息分別存放在網(wǎng)站數(shù)據(jù)庫(kù)的客戶(hù)表、訂單表及訂單明紳表中。 按照一般的統(tǒng)計(jì)劃分經(jīng)驗(yàn)來(lái)對(duì)屬性值進(jìn)行分段，實(shí)現(xiàn)離散化。 of 65
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1