物聯(lián)網中的智能決策(ppt35頁)(完整版)
【正文】 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。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。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。 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(xiàn)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(xiàn)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(xiàn)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性 預測性 挖掘任務：在當前數據上進行推斷和預測 關聯(lián)分析 關聯(lián)分析 的目標是從給定的數據中發(fā)現(xiàn)頻繁出現(xiàn)的模式，即 關聯(lián)規(guī)則 關聯(lián)規(guī)則 通常的表述形式是 X Y，表示“數據庫中滿足條件 X的記錄 (元組 )可能也滿足條件 Y” 以某電器商場銷售記錄為例： 含義： 4% (支持度 )的顧客的年齡在 20至 29歲且月收入在 3000至 5000元，且這樣的顧客中， 65% (置信度 )的人購買了筆記本電腦 關聯(lián)分析 挖掘關聯(lián)規(guī)則，需要 置信度 和 支持度 越高越好 基本概念 項集 ：滿足若干條件的數據項的集合，如果條件數為 k，則稱 k項集 ?滿足年齡 (顧客 , “20~29”)的項集是
教學課件相關推薦
鄂ICP備17016276號-1