決策樹方法在數(shù)據(jù)挖掘中的應(yīng)用-資料下載頁
2024-10-19 11:47本頁面
【正文】 飲酒數(shù)量不同的人之間的差別），那么就需要重新定義研究對象。 改變模型樹的根節(jié)點為 DrinkPattern， 即新的模型樹的根節(jié)點對應(yīng)的因變量為 DrinkPattern， 其中可以含有下列值： ? Regular（ 經(jīng)常飲酒） ? Occasional（ 偶然飲酒） ? Former（ 以前曾經(jīng)飲酒） ? Never（ 從不飲酒） 同前面一樣，可以對這棵以 DrinkPattern為因變量的模型樹作進(jìn)一步的擴(kuò)展。雖然這期間使用 KnowledgeSEEKER的工作方式與前面是一樣的，但所要研究的內(nèi)容與前面完全不同了。即現(xiàn)在要研究的是人們的飲酒方式及其影響，而前面的研究對象是高血壓。 理解模型 模型樹的自動擴(kuò)展 前面所演示的都是如何一個一個節(jié)點地擴(kuò)展模型樹。此外，還可以讓系統(tǒng)對模型樹作自動擴(kuò)展。 數(shù)據(jù)分布 KnowledgeSEEKER提供了若干種方法以便我們能夠?qū)φ谕诰虻臄?shù)據(jù)的狀態(tài)進(jìn)行觀察。首先，我們能夠通過 KnowledgeSEEKER對正在挖掘的原始數(shù)據(jù)進(jìn)行詳細(xì)觀察。 另外，還可以通過 KnowledgeSEEKER對數(shù)據(jù)幾種不同數(shù)據(jù)項的交叉列表視圖進(jìn)行觀察。 預(yù)測 現(xiàn)在我們已經(jīng)有了一個可以用來作預(yù)測的模型。雖然用決策樹來做決策不是一個可以自動進(jìn)行的過程，但 KnowledgeSEEKER允許我們將所有變量的分叉保存在外部文件中。此外，我們還可以用百分比的形式計算出每一個分叉的重要性。使用上述信息，將使我們有可能產(chǎn)生出有助于預(yù)測的規(guī)則。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1