第5章傳統(tǒng)數(shù)據(jù)挖掘技術(shù)?(專業(yè)版)
【正文】 用“ Analyze”→“Data Reduction”→“Factor” 命令可以進(jìn)行因子分析。 ? 小波變換的聚類是無(wú)監(jiān)督聚類，不用事先假定聚類的形狀，可以發(fā)現(xiàn)任意形狀的聚類，邊界弱信號(hào)不會(huì)被屏蔽，可以剔除孤立點(diǎn)，本身運(yùn)算開銷不大。然后反復(fù)用非代表對(duì)象代替代表對(duì)象，以提高聚類的質(zhì)量。 ? ⑶對(duì)每個(gè)劃分進(jìn)行局部的聚類。第 2 章 計(jì)算機(jī)局域網(wǎng)集成 第 5章 傳統(tǒng)數(shù)據(jù)挖掘技術(shù) 練習(xí) 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 傳統(tǒng)的統(tǒng)計(jì)分析類數(shù)據(jù)挖掘技術(shù) ? 統(tǒng)計(jì)與統(tǒng)計(jì)類數(shù)據(jù)挖掘技術(shù) ? 1．統(tǒng)計(jì)與數(shù)據(jù)挖掘 ? 統(tǒng)計(jì)推斷分析 ? 2． 統(tǒng)計(jì)類數(shù)據(jù)挖掘技術(shù) 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 傳統(tǒng)的統(tǒng)計(jì)分析類數(shù)據(jù)挖掘技術(shù) ? 數(shù)據(jù)的聚集與度量技術(shù) ? 常用的聚集函數(shù)，例如， count（）、sum（）、 avg（）、 max（）、 min（）等 ? 數(shù)據(jù)中心趨勢(shì)度量，可以采用算術(shù)平均值 ? 加權(quán)算術(shù)平均值。. . ? ⑷通過(guò)隨機(jī)抽樣剔除孤立點(diǎn)。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 DBSCAN算法首先需要用戶給定聚類對(duì)象的半徑 ε鄰域和ε鄰域中最少要包含的對(duì)象數(shù) MitPts。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 ? 基于網(wǎng)格和密度的聚類 CLIQUE算法主要步驟是： ? ⑴將數(shù)據(jù)空間劃分為互不相交的長(zhǎng)方形單元，記錄每個(gè)單元中的對(duì)象數(shù)。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 統(tǒng)計(jì)分析類工具的應(yīng)用 ???? , 24313221 n yyyn yyyn yyy nnn ?? ????????? 趨勢(shì)分析 時(shí)序分析 周期分析 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 統(tǒng)計(jì)分析類工具應(yīng)用的問題 統(tǒng)計(jì)類數(shù)據(jù)挖掘的預(yù)處理問題 (1)忽略元組 (2)人工填寫空缺值 (3)使用一個(gè)全局變量填充空缺值 (4)使用屬性的平均值填充空缺值 (5)使用最可能的值填充空缺值 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 練習(xí) ? ： 1 1 1 11 1 1 1 1 2 2 2 2 2 2 22 2 2 2 3 3 3 3 3 3 3 33 3 3 3 3 3 3 4 4 4 45。 這些分類方法均可在命令 “ Analyze”→“Classify” 下啟動(dòng) 。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 ? WaveCluster方法首先通過(guò)在數(shù)據(jù)空間上強(qiáng)加一個(gè)多維網(wǎng)格結(jié)構(gòu)來(lái)匯總數(shù)據(jù)，每個(gè)網(wǎng)格單元匯總了一組映射到該單元中的點(diǎn)的信息，然后采用一種小波變換對(duì)原特征空間進(jìn)行變換，匯總信息在進(jìn)行小波變換時(shí)使用，接著在變換后的空間中找到聚類區(qū)域。首先為每個(gè)簇選擇一個(gè)代表對(duì)象，剩余的對(duì)象根據(jù)其與代表對(duì)象的距離分配給最近的一個(gè)簇。 ?
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1