分類基礎(chǔ)-資料下載頁
2024-10-12 11:16本頁面
【導(dǎo)讀】步驟1：建立分類模型（訓(xùn)練）。比較“真實”的標(biāo)注不“預(yù)測”的標(biāo)注?；谝?guī)則->決策樹。Fisher線性判別->支持向量機(jī)。實例投影到n-D空間。找出最接近測試樣本的k個“最近鄰”。指派到這k近鄰的多數(shù)類。對噪音數(shù)據(jù)的魯棒性。預(yù)處理，加快速度？你還能想到哪些？是否被人實現(xiàn)過？如果你有一些分類知識，用IF-THEN規(guī)則表示。基于規(guī)則質(zhì)量的度量。貪婪的，自頂向下的重復(fù)分治法。創(chuàng)建根節(jié)點，候選屬性集合。找出最好的屬性及其分裂準(zhǔn)則。X空間上的點同一類的投。分別計算子集的均值和離散度矩陣。計算類內(nèi)離散度矩陣的逆。針對丌同特點的數(shù)據(jù)用丌同的分類方法。更多特殊的情況？類別丌平衡、代價敏感
【正文】 候選屬性集合 ?持續(xù) ? 找出最好的屬性及其分裂準(zhǔn)則 ? 從屬性列表中減去分裂屬性 ? 對分裂屬性的每個分枝 – 以滿足該條件的訓(xùn)練集合不當(dāng)前候選屬性集合為輸入歸納決策樹 – +該節(jié)點到根節(jié)點 ?停止分裂 ? 如果所有訓(xùn)練實例都是同類 ? 屬性列表為空 –多數(shù)表決 ? 空訓(xùn)練集 Fisher線性判別： 2類 y 從 n維 x空間到一維 y空間的投影 滿足： ? X空間上的點同一類的投影到 y空間上聚集在一起 ? 丌同類的點分開 度量：均值和離散度 ? N維 x空間 ?類均值 ?類內(nèi)離散度 ?總類內(nèi)離散度 ?類間離散度 ? 1維 y空間 ?投影類均值 ?投影總類內(nèi)離散度 ?投影類間離散度 Fisher判別算法 ? 最優(yōu)化 ? 可得 ? 算法 ?把訓(xùn)練樣本分成兩個子集 ?分別計算子集的均值和離散度矩陣 ?計算類內(nèi)離散度矩陣的逆 ?求解向量 討論 ? 分類是固定的？ ? 針對丌同特點的數(shù)據(jù)用丌同的分類方法 ? 提高準(zhǔn)確率？ ? 集成學(xué)習(xí) ? 更多特殊的情況？ ? 類別丌平衡、代價敏感 ? 多標(biāo)記分類
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1