物聯(lián)網(wǎng)導(dǎo)論--第13章_物聯(lián)網(wǎng)中的智能決策v1135(編輯修改稿)
2025-01-25 23:16 本頁面
【文章內(nèi)容簡介】 數(shù)據(jù)的的能力強弱 nannannanaanaI ?????? loglog),(10條客戶記錄，其中 6人購買了計算機， 4人沒有購買。這 10位客戶中有 3人的職業(yè)是學生，其中有 2人購買計算機，而非學生客戶購買計算機的有 4人。在選擇區(qū)分屬性以前，數(shù)據(jù)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。 ??? IIE 39。?? EE聚類分析 聚類的目的是 將數(shù)據(jù)對象劃分為多個類或簇 ，在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大 聚類與分類的區(qū)別： 要劃分的類是事先未知的 聚類分析的應(yīng)用 聚類分析 聚類分析的方法 ?劃分方法 ：要求事先給定聚類的數(shù)目 k。首先創(chuàng)建一個初始劃分，然后通過對劃分中心點的反復(fù)迭代來改進劃分。典型算法包括 kmeans算法和 kmedoids算法等 ?層次方法 ：對給定數(shù)據(jù)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。合并方法首先將每個對象都作為獨立的類，然后持續(xù)合并相近的類，直到達到終止條件為止。分裂方法首先將所有的數(shù)據(jù)對象置于一個類中，然后反復(fù)迭代并判定當前的類是否可以被繼續(xù)分裂，直到達到終止條件為止 ?基于密度的方法 ：只要某區(qū)域數(shù)據(jù)密度超過閾值，就將該區(qū)域的數(shù)據(jù)進行聚類。其優(yōu)勢在于噪音數(shù)據(jù)下的抗干擾能力，并能夠發(fā)現(xiàn)任意形狀的聚類 聚類分析 聚類分析的方法（續(xù)） ?基于網(wǎng)格的方法 ：把對象空間量化為具有規(guī)則形狀的單元格，從而形成一個網(wǎng)格狀結(jié)構(gòu)。在聚類的時候，將每個單元格當作一條數(shù)據(jù)進行處理。優(yōu)點是處理速度很快，因處理時間與數(shù)據(jù)對象數(shù)目無關(guān)，而只與量化空間中的單元格數(shù)目相關(guān) ?基于模型的方法 ：如果事先已知數(shù)據(jù)是根據(jù)潛在的概率分布生成的，基于模型的方法便可為每個聚類構(gòu)建相關(guān)的數(shù)據(jù)模型，然后尋找數(shù)據(jù)對給定模型的最佳匹配。主要分兩類：統(tǒng)計學方法和神經(jīng)網(wǎng)絡(luò)方法 離群點分析 離群點 (Outlier)：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 ?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 ?預(yù)防網(wǎng)絡(luò)詐騙 。在網(wǎng)絡(luò)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 ?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 ?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
教學課件相關(guān)推薦
鄂ICP備17016276號-1