物聯(lián)網中的智能決策(ppt 35頁)(文件)
【正文】 析 尋找離群點的方法 ?基于統(tǒng)計的方法： 需要事先已知數據的分布或概率模型 (例如一個正態(tài)分布 )，然后根據數據點與該模型的不一致性檢驗來確定離群點 ?基于距離的方法： 不需要數據模型，而是將那些沒有足夠鄰居的數據對象看作是離群點，這里的鄰居是基于距給定對象的距離來定義的。在聚類的時候，將每個單元格當作一條數據進行處理。典型算法包括 kmeans算法和 kmedoids算法等 ?層次方法 ：對給定數據集合進行逐層遞歸的合并或者分裂，因此可以被分為合并或分裂方法。在選擇區(qū)分屬性以前，數據的期望信息為 ，用職業(yè)區(qū)分之后的期望信息為 ，則選擇職業(yè)作為區(qū)分屬性的 信息增益 為 )4,6( ?? IE )3,4(107)1,2(10339。客戶數據庫描述的客戶屬性包括姓名、年齡、收入、職業(yè)和信用記錄。第 13章 物聯(lián)網中的 智能決策 內容提要 智能決策 是物聯(lián)網“智慧”的來源。 內容回顧 數據挖掘概述 數據挖掘的基本類型和算法 * 智能決策與物聯(lián)網 什么是數據挖掘？數據挖掘有哪三個步驟？ 本章內容 數據挖掘概述 數據挖掘 （ Data Mining） ?從大量 數據 中獲取潛在有用的并且可以被人們理解的 模式 的過程 ?是一個 反復迭代 的 人機交互和處理 的過程，歷經多個步驟，并且在一些步驟中需要由用戶提供決策 數據挖掘的過程： ?數據預處理、數據挖掘和對挖掘結果的評估與表示 ?每一個階段的輸出結果成為下一個階段的輸入 數據挖掘概述 數據挖掘的過程 ?數據預處理階段 ?數據準備：了解領域特點，確定用戶需求 ?數據選?。簭脑紨祿熘羞x取相關數據或樣本 ?數據預處理：檢查數據的完整性及一致性，消除噪聲等 ?數據變換：通過投影或利用其他操作減少數據量 ?數據挖掘階段 ?確定挖掘目標：確定要發(fā)現的知識類型 ?選擇算法：根據確定的目標選擇合適的數據挖掘算法 ?數據挖掘：運用所選算法，提取相關知識并以一定的方式表示 ?知識評估與表示階段 ?模式評估：對在數據挖掘步驟中發(fā)現的模式 (知識 )進行評估 ?知識表示：使用可視化和知識表示相關技術，呈現所挖掘的知識 數據挖掘概述 數據挖掘的過程 數據挖掘概述 數據挖掘的基本類型和算法 * 智能決策與物聯(lián)網 數據挖掘的基本類型和算法有那些？ 本章內容 數據挖掘的基本類型和算法 數據挖掘的基本類型 關聯(lián)分析 (Association Analysis) 聚類分析 (Clustering Analysis) 離群點分析 (Outlier Analysis) 分類與預測 (Classification and Prediction) 演化分析 (Evolution Analysis) 描述性 挖掘任務：刻劃數據庫中數據的一般特
教學課件相關推薦
鄂ICP備17016276號-1