數(shù)據(jù)分析與挖掘?qū)嶒瀳蟾?完整版)
【正文】 的思想來尋找規(guī)則。它的主要優(yōu)點是描述簡單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理。神經(jīng)網(wǎng)絡方法的缺點是黑箱性，人們難以理解網(wǎng)絡的學習和決策過程。數(shù)據(jù)變換（從匯總或聚集操作，把數(shù)據(jù)變換和統(tǒng)一成適合挖掘的形式）在最近十幾年里，數(shù)據(jù)庫中存儲的數(shù)據(jù)急劇增大。數(shù)據(jù)清理（消除噪聲和刪除不一致的數(shù)據(jù)）數(shù)據(jù)挖掘主要包括以下方法。如利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡結構，在不增加錯誤率的前提下，刪除多余的連接和隱層單元；用遺傳算法和bp算法結合訓練神經(jīng)網(wǎng)絡，然后從網(wǎng)絡提取規(guī)則等。但粗糙集的數(shù)學基礎是集合論，難以直接處理連續(xù)的屬性。統(tǒng)計分析方法：在數(shù)據(jù)庫字段項之間存在兩種關系：函數(shù)關系(能用函數(shù)公式表示的確定性關系)和相關關系(不能用函數(shù)公式表示，但仍是相關確定性關系)，對它們的分析可采用統(tǒng)計學方法，即利用統(tǒng)計學原理對數(shù)據(jù)庫中的信息進行分析。沃爾瑪數(shù)據(jù)倉庫里集中了其各門店的詳細原始交易數(shù)據(jù)。下面舉個例子來更好地說明關聯(lián)規(guī)則。該集合記作L1。記號li[j]表示li中的第j項。 i[DB]。即|D|=9。（5） 然后確定頻繁2項集的集合L2，它由C2中滿足最小支持度的候選2項集組成。Matlab的基本數(shù)據(jù)單位是矩陣，它的指令表達式與數(shù)學、工程中常用的形式十分相似，故用MATLAB來解算問題要比用C，F(xiàn)ORTRAN等語言完成相同的事情簡捷得多，并且MATLAB也吸收了像Maple等軟件的優(yōu)點，使MATLAB成為一個強大的數(shù)學軟件。0 1 1 0 0。每個項目都用數(shù)字表示。L1 = 1 6 2 7 3 6 4 2 5 2%產(chǎn)生2項集i=0。 end j=j+1。k=2。for i=1:m3 for j=1:m1 if(shw(j,co3(i,1))==1) amp。 %查找候選項集C3支持度2的項集,生成頻繁項L3co3=co3(temp,:)。D(1)=C(1)。for i=1:m4 for j=1:m1 if(shw(j,co4(i,1))==1) amp。 endendtemp=find((count_co4_sup)=sup)?？梢愿倪M的方面有：(1)基于散列(hash)的技術 這種散列的技術可用于壓縮候選k項集Ck。通過學習數(shù)據(jù)挖掘這門課程，使我對于數(shù)據(jù)挖掘有了更深一步的理解。19。這次實驗通過數(shù)據(jù)挖掘的一個重要方法——關聯(lián)規(guī)則作為切入點來學習數(shù)據(jù)挖掘，從一個較淺的層面來理解數(shù)據(jù)挖掘。這種技術可以大大壓縮待考察的K項集,尤其有利于改進頻繁2項集的生成效率,這就是DHP算法。count_co4_sup=count_co4_sup(temp,:)。 (shw(j,co4(i,2))==1) amp。for i=2:nC if(C(i)~=D(1:end)) %查找重復出現(xiàn)的商品號 D(K)=C(i)。L3=[co3 count_co3_sup]。 (shw(j,co3(i,2))==1) amp。 k=k+1。 %查找候選項集C2支持度2的項集,生成頻繁項L2co2=co2(temp,:)。co2=nchoosek(col,2)。 m1 = 9n1 = 5%尋找1項集col=(1:n1)39。1 0 1 0 0。下面就來介紹用Matlab編寫的Apriori算法。（7） 掃描D中事務以確定L3，它由C3中滿足最小支持的的候選3項集組成。算法簡單地掃描所有的事務，對每個項的出現(xiàn)次數(shù)計數(shù)。 endLk: =Ck中滿足大于min_sup的全體項集。(2) 剪枝步：為壓縮CK，可以用Apriori的性質(zhì)：任何非頻繁的（K1）項集都不是頻繁K項集的子集。為提高頻繁項集逐層產(chǎn)生的效率，一種稱作Apriori的重要性質(zhì)用于壓縮搜索空間?！狝priori算法Apriori算法在發(fā)現(xiàn)關聯(lián)規(guī)則領域具有很大影響力。一個意外的發(fā)現(xiàn)是：跟尿布一起購買最多的商品竟是啤酒！經(jīng)過大量實際調(diào)查和分析，揭示了一個隱藏在尿布與啤酒背后的美國人的一種行為模式：在美國，一些年輕的父親下班后經(jīng)常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。模糊集方法：即利用模糊集合理論對實際問題進行模糊評判、模糊決策、模糊模式識別和模糊聚類分析。因此連續(xù)屬性的
環(huán)評公示相關推薦
鄂ICP備17016276號-1