數(shù)據(jù)挖掘概述ppt課件-資料下載頁
2025-05-12 08:33本頁面
【正文】 求 R的特征值和特征向量，特征值從小到大排列，并計算相應的貢獻率，如下表：特征 值 貢 獻率 累 積貢 獻率 從上表可以看出，主成分的個數(shù)取 2—3 個較好。這里取 3個。他們對于的單位特征向量為：8 5 8 9 3 1 第一主成分為：Z1=*x1+75*x2+*x3+938*x4+…+*x8同樣方法可以得到另外兩個主成分。根據(jù)實際情況，可以對相應的主成分命名。如上，原數(shù)據(jù)要考慮 8個因素，通過提取主成分后只需要考慮 3個因素，設原數(shù)據(jù)集（未標準化前）為 X，三個最大特征值對應的特征向量構(gòu)成的矩陣為：主成分分析的應用： 1）降維做矩陣乘法 X*V，即可把原 8維數(shù)據(jù)降為 3維數(shù)據(jù)。如本例，變換后的數(shù)據(jù)為地 區(qū) 綜 合 變 量 Z1 綜 合 變 量 Z2 綜 合 變 量 Z3 河北 55100 4247 1502 山西 45930 8629 2329 遼 寧 54100 1782 996 吉林 44640 2085 716 北京 101310 10757 11556 上海 114870 2568 2423 江 蘇 62860 7439 1115 浙江 82530 14686 2119 安徽 51360 6706 2827 江西 43900 6874 484 山 東 58920 6980 617 河南 51740 6182 929 湖北 41890 7814 449 廣 東 79700 4616 1969當?shù)谝恢鞒煞值南禂?shù)（最大特征值對應的特征向量）全部同號是，可按第一主成分對數(shù)據(jù)進行排序。如本例，所給省市的勞動報酬由高到低依次為主成分分析的應用： 1）排序地 區(qū) 上海 北京 浙江 廣 東 江 蘇 山 東 河北 Z1 1148701013108253079700628605892055100遼 寧 河南 安徽 山西 吉林 江西 湖北 54100517405136045930446404390041890敬請各位同學提出寶貴意見非常感謝作業(yè)第四章 分類分類（ Classification)就是通過學習得到一個目標函數(shù)（稱為模型函數(shù)） f，然后把新的對象 x通過 f映射到一個預先定義的類別號 y。：一、相關概念數(shù)據(jù)集構(gòu)造模型函數(shù) f模型是否合理不合理新對象合理模型確定 輸出類別訓練樣本集檢驗樣本集輸入模型檢驗考慮二分類問題即類標號只有 2個，可設為 1和 0.定義： f11：實際為第一類，按模型也判別為第一類；f00：實際為第二類，按模型也判別為第二類；f10：實際為第一類，按模型也判別為第二類；f01：實際為第二類，按模型也判別為第一類；則分類性能可以用準確率或錯誤率來度量準確率 =（ f11+f00)/(f11+f00+f10+f01)準確率 =1準確率常見的分類有：決策樹、神經(jīng)網(wǎng)絡、支持向量機、遺傳算法、粗糙集、貝葉斯等。三、基于決策樹的分類方法例 ，包括 14個樣本和 5個屬性 :Outlook、 Temperature、 Humidity、 Windy和 Play，其中前 4個屬性是天氣，最后一個屬性是根據(jù)前 4個屬性的情況說明這樣的天氣狀況是否適合比賽。各屬性取值如下：Outlook： sunny(s),overcast(o),rain(r)。Temperature:hot(h),mild(m),cool(c)。Humidity:high(h),normal(n)。 Windy:false,truePlay:Yes(y),no(n)訓練樣本集如下Outlook Temp Humi Windy PlayS H H F NS H H T NO H H F YR M H F YR C N F YR C N T NO C N T YS M H F NS C N F YR M N F YO M N T YO M H T YO H N F YR M H T N決策樹是類似如下的一棵樹Outlooksunny rainovercastPlay=noPlay=yeswindyfalsePlay=yesTruePlay=no給定一個新的天氣象:“rain,hot,high,true”，則判別其類別常見的分類有：決策樹、神經(jīng)網(wǎng)絡、支持向量機、遺傳算法、粗糙集、貝葉斯等。三、基于決策樹的分類方法例 ，包括 14個樣本和 5個屬性 :Outlook、 Temperature、 Humidity、 Windy和 Play，其中前 4個屬性是天氣，最后一個屬性是根據(jù)前 4個屬性的情況說明這樣的天氣狀況是否適合比賽。各屬性取值如下：Outlook： sunny(s),overcast(o),rain(r)。Temperature:hot(h),mild(m),cool(c)。Humidity:high(h),normal(n)。 Windy:false,truePlay:Yes(y),no(n)
教學課件相關推薦
鄂ICP備17016276號-1