數(shù)據(jù)挖掘ppt課件(2)(編輯修改稿)
2025-05-27 18:24 本頁面
【文章內(nèi)容簡介】 的最佳匹配。主要分兩類：統(tǒng)計學方法和神經(jīng)網(wǎng)絡方法離群點分析離群點分析 是找出數(shù)據(jù)集合中存在的一些數(shù)據(jù)對象，它們與其余絕大多數(shù)數(shù)據(jù)的特性或模型不一致尋找離群點的意義252。發(fā)現(xiàn)信用卡詐騙。通過檢測購物地點、商品種類或者購物金額和頻率，能夠發(fā)現(xiàn)與絕大多數(shù)正常消費不一樣的記錄，這種行為就有可能屬于信用卡詐騙性使用252。預防網(wǎng)絡詐騙。在網(wǎng)絡銷售的時候，詐騙者往往冒充商家，出售報價比正常價格低出許多的商品，這樣的行為也是可以通過離群點分析被找到的離群點分析尋找離群點的方法252。 基于統(tǒng)計的方法：需要事先已知數(shù)據(jù)的分布或概率模型 (例如一個正態(tài)分布 )，然后根據(jù)數(shù)據(jù)點與該模型的不一致性檢驗來確定離群點252。 基于距離的方法：不需要數(shù)據(jù)模型，而是將那些沒有足夠鄰居的數(shù)據(jù)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?，F(xiàn)有的基于距離的離群點探測算法又分為基于索引的算法，嵌套循環(huán)算法和基于單元的算法，其目的都是為了減小計算和 I/O開銷252。 基于偏移的方法：不采用統(tǒng)計檢驗或基于距離的度量值來確定異常對象。相反，它通過檢查數(shù)據(jù)對象的一組主要特征來確定離群點。偏離事先給出的特征描述的數(shù)據(jù)對象被認為是離群點分類和預測分類和預測 是找出描述和區(qū)分不同數(shù)據(jù)類或概念的模型或函數(shù)，以便能夠使用模型預測數(shù)據(jù)類或標記未知的對象所獲得的分類模型可以采用多種形式加以描述輸出252。分類規(guī)則252。判定樹252。數(shù)學公式252。神經(jīng)網(wǎng)絡252?！诸惻c預測的區(qū)別：分類通常指預測數(shù)據(jù)對象屬于哪一類，而當被預測的值是數(shù)值數(shù)據(jù)時，通常稱為預測分類和預測以 判定樹 為例，簡要介紹分類的基本步驟和結果表示問題實例 ：假定商場需要向潛在的客戶郵寄新產(chǎn)品資料和促銷信息?？蛻魯?shù)據(jù)庫描述的客戶屬性包括姓名、年齡、收入、職業(yè)和信用記錄。我們可以按是否會在商場購買計算機將客戶分為兩類，只將促銷材料郵寄給那些會購買計算機的客戶，從而降低成本。 分類和預測用于預測客戶是否可能購買計算機的判定樹，其中每個非樹葉節(jié)點表示一個屬性上的測試，每個樹葉節(jié)點代表預測結果分類和預測如何構造上述判定樹？基本概念： n個客戶中有 a個購買了計算機的期望信息建立樹節(jié)點時，選取合適的判定屬性，以最大化期望信息增益應?某種屬性上的信息增益大小反映了該屬性區(qū)分給定數(shù)據(jù)的的能力強弱10條客戶記錄，其中 6人購買了計算
教學課件相關推薦
鄂ICP備17016276號-1