數(shù)據(jù)挖掘中的特征選擇(文件)
【正文】 數(shù)據(jù)挖掘中的特征選擇 27 ? 特征權(quán)重算法對每個特征指定一個權(quán)值 ， 并按照它與目標(biāo)概念的相關(guān)度對其進(jìn)行排序 ， 如果一個特征的相關(guān)度權(quán)值大于某個閾值 ， 則認(rèn)為該特征優(yōu)秀 ， 并且選擇該特征 。 ? 過濾模型簡單且效率很高 。 ? 常 用 的 有 平 方 距 離 ， 歐 氏 距 離 ， 非 線 性 測 量 ，Minkowski距離 ， 信息增益 ， 最小描述長度 ， 互信息， 依賴性度量或相關(guān)性度量 ， 一致性度量 ， 分類錯誤率 ， 分類正確率 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 23 特征選擇方法的模型 ? 一般地 ， 特征選擇方法可以分為三種模型 ， 分別是：過濾模型 、 封裝模型和混合模型 。 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 17 ? ? 特征選擇的過程 ( M. Dash and H. Liu 1997 ) 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 18 ? 特征選擇大體上可以看作是一個搜索過程 ， 搜索空間中的每一個狀態(tài)都可以看成是一個可能特征子集 。這種高維的數(shù)據(jù)給數(shù)據(jù)挖掘帶來了 “ 維災(zāi)難 ” (The Curse of Dimensionality)問題。它綜合了統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫技術(shù)和人工智能技術(shù) 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 4 數(shù)據(jù)挖掘 數(shù) 據(jù) 庫 越 來 越 大 有價值的知識 海量的數(shù)據(jù) 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 5 數(shù)據(jù)挖掘的應(yīng)用 ? 數(shù)據(jù)分析和決策支持 ? 市場分析和管理 ? 客戶關(guān)系管理 (CRM)，市場占有量分析，交叉銷售，目標(biāo)市場 ? 風(fēng)險分析和管理 ? 風(fēng)險預(yù)測，客戶保持，保險業(yè)的改良，質(zhì)量控制，競爭分析 ? 欺騙檢測和異常模式的監(jiān)測 (孤立點(diǎn) ) ? 其他的應(yīng)用 ? 文本挖掘 (新聞組，電子郵件，文檔 ) 和 Web挖掘 ? 流數(shù)據(jù)挖掘 ? DNA 和生物數(shù)據(jù)分析 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 6 數(shù)據(jù)挖掘 : 數(shù)據(jù)庫中的知識挖掘 (KDD) ? 數(shù)據(jù)挖掘 — 知識挖掘的核心 數(shù)據(jù)清理 數(shù)據(jù)集成 數(shù)據(jù)庫 數(shù)據(jù)倉庫 任務(wù)相關(guān)數(shù)據(jù) 選擇 數(shù)據(jù)挖掘 模式評估 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 7 數(shù)據(jù)挖掘的步驟
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1