數(shù)據(jù)挖掘算法介紹綜述(ppt30)-經(jīng)營管理-資料下載頁
【導(dǎo)讀】數(shù)據(jù)挖掘是從大量。平凡的處理過程。只能限制于少量的維度和數(shù)據(jù)類型。假設(shè)——驗(yàn)證——結(jié)論。沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識——具。能自動的發(fā)現(xiàn)隱藏在數(shù)據(jù)中的規(guī)律。可以發(fā)現(xiàn)比OLAP更復(fù)雜而細(xì)致的信息。不僅僅是統(tǒng)計(jì)分析；統(tǒng)計(jì)分析技術(shù)都基于完善的數(shù)學(xué)理論和高超的技巧，統(tǒng)計(jì)分析方法學(xué)的延伸和擴(kuò)展。著名的咨詢公司GartnerGroup在一次高。年內(nèi)將對工業(yè)產(chǎn)生深遠(yuǎn)影響的五大關(guān)鍵技術(shù)”之首，分類－決策樹－ID3、CHAID等；決策樹學(xué)習(xí)是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算。推理出決策樹表示形式的分類規(guī)則；關(guān)聯(lián)規(guī)則的“三度”：支持度、可信度、聚類是根據(jù)數(shù)據(jù)的不同特征,將其劃分為不。人工神經(jīng)網(wǎng)絡(luò)，是對人類大腦系統(tǒng)的中模。，如統(tǒng)計(jì)中要求的先驗(yàn)概率和模糊集中要求的隸屬度；概念格描述的是對象和屬性之間的聯(lián)系和。統(tǒng)一，表明概念之間的泛化和例化關(guān)系，相應(yīng)的Hasse圖實(shí)現(xiàn)數(shù)據(jù)的可視化。遺傳算法（GeicAlgoritms，簡稱GA. 遺傳算法主要組成部分包括編碼方案、適
【正文】 現(xiàn)； ? 樸素貝葉斯分類：假定一個(gè)屬性值對給定類的影響?yīng)毩⒂谄渌麑傩缘闹担? ? 貝葉斯網(wǎng)絡(luò)：是用來表示變量間連接概率的圖形模式 ,它提供了一種自然的表示因果信息的方法 ,用來發(fā)現(xiàn)數(shù)據(jù)間的潛在關(guān)系 。 支持向量機(jī) ? 支持向量機(jī)（ Support Vector Machine, SVM） 建立在計(jì)算學(xué)習(xí)理論的結(jié)構(gòu)風(fēng)險(xiǎn)最小化 (SRM)原則之上。其核心問題是尋找一種歸納原則，以實(shí)現(xiàn)最小化風(fēng)險(xiǎn)，從而實(shí)現(xiàn)最佳的推廣能力。而且 SVM一個(gè)重要的優(yōu)點(diǎn)是可以處理線性不可分的情況 。 ? 以往的機(jī)器學(xué)習(xí)理論的核心是經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則（ ERM） 模糊集 ? 模糊集：不同于經(jīng)典集合，沒有精確邊界的集合； ? 定義：設(shè) X是對象 x的集合， x是 X的任一個(gè)元素。 X上的模糊集合 A定義為一組有序?qū)Γ?A＝ {（ x， uA(X)） |x?X},其中 uA(X)稱為模糊集合 A的隸屬度函數(shù)（membership function,MF） MF將集合中的元素映射為 0到 1之間的隸屬度； ? 隸屬度為 0，或者 1，則 A就退化為經(jīng)典集合。 案例的推理 ? 案例是一段帶有上下文信息的知識 ,該知識表達(dá)了推理機(jī)在達(dá)到其目標(biāo)的過程中能起關(guān)鍵作用的經(jīng)驗(yàn) 幾個(gè)概念的區(qū)別 ? 分類和聚類 ? 分類是指將數(shù)據(jù)歸于一系列 已知類別 之中的某個(gè)類的分類過程 。 ? 聚類是根據(jù)客體屬性對一系列 未分類 的客體進(jìn)行類別的識別 ,把一組個(gè)體按照相似性歸成若干類。 ? 分類和預(yù)測 ? 是兩種數(shù)據(jù)分析形式 . 是兩類主要的預(yù)測問題 ? 分類是預(yù)測分類號 (或者 離散值 )。 ? 而預(yù)測是建立 連續(xù)值 (例如使用回歸分析 )的函數(shù)模型 ? 預(yù)測和回歸： ? 預(yù)測是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并用此模型來預(yù)測未來數(shù)據(jù)的種類，特征等 ? 預(yù)測的典型方法就是回歸分析。 其他問題 ? 數(shù)據(jù)挖掘的發(fā)展趨勢涉及到：分布、并行、異質(zhì)數(shù)據(jù)庫等方面的技術(shù) 謝謝
鄂ICP備17016276號-1