人工智能及其應用蔡自興第四版733-資料下載頁
2025-02-20 16:13本頁面
【正文】 從大量數(shù) 據(jù)中辨識出有效的 、 新穎的 、 潛在有用的 、 并可被理解的 模式的高級處理過程 。 ? 數(shù)據(jù)集 、 新穎 、 潛在有用 、 可被人理解的 、 模式 、 高級過程 26 知識發(fā)現(xiàn)的處理過程 1. 數(shù)據(jù)選擇 。根據(jù)用戶的需求從數(shù)據(jù)庫中提取與 KDD相關的數(shù)據(jù)。 2. 數(shù)據(jù)預處理 。主要是對上述數(shù)據(jù)進行再加工，檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性，對丟失的數(shù)據(jù)利用統(tǒng)計方法進行填補，形成發(fā)掘數(shù)據(jù)庫。 知識發(fā)現(xiàn) 27 3. 數(shù)據(jù)變換 。即從發(fā)掘數(shù)據(jù)庫里選擇數(shù)據(jù) 。根據(jù)用戶要求，確定 KDD的目標是發(fā)現(xiàn)何種類型的知識。 5. 知識評價 。這一過程主要用于對所獲得的規(guī)則進行價值評定，以決定所得的規(guī)則是否存入基礎知識庫。 知識發(fā)現(xiàn) 28 知識發(fā)現(xiàn)的方法 ：統(tǒng)計方法是從事物的外在數(shù)量上的表現(xiàn)去推斷該事物可能的規(guī)律性。 （ 1）傳統(tǒng)方法： 收集數(shù)據(jù)，分析數(shù)據(jù)，進行推理（回歸分析，判別方法，聚類分析，探索性分析） （ 2）模糊集 （ 3）支持向量機（ SVM） （ 4）粗糙集： 具有三值隸屬函數(shù)的模糊集，肯定屬于、也許屬于、肯定不屬于該概念。 知識發(fā)現(xiàn) 29 2. 機器學習方法 （ 1）規(guī)則歸納 如： AQ算法 （ 2）決策樹 （ 3）范例推理 （ 4）貝葉斯信念網(wǎng)絡 （ 5）科學發(fā)現(xiàn) 如： BACON系統(tǒng) （ 6）遺傳算法 3. 神經(jīng)計算方法 (MLP、 BP、 Hopfield、RBF) ：可視化（ visualization）就是把數(shù)據(jù)、信息和知識轉化為可視的表示形式的過程。 30 知識發(fā)現(xiàn)的應用 ?知識發(fā)現(xiàn)已在許多領域得到應用?，F(xiàn)在，知識發(fā)現(xiàn)已在銀行業(yè)、保險業(yè)、零售業(yè)、醫(yī)療保健、工程和制造業(yè)、科學研究、衛(wèi)星觀察和娛樂業(yè)等行業(yè)和部門得到成功應用，為人們的科學決策提供很大幫助。 知識發(fā)現(xiàn) 31 ? 金融 – （ 1）市場分析與預測 – （ 2）帳戶分類、信用評估 ? 保險 – （ 1）潛在客戶評估、分析 – （ 2）索賠合理性分析 ? 制造業(yè)（生產(chǎn)過程優(yōu)化） ? 市場與零售業(yè)（銷售、庫存、需求、零售點、價格等的分析與預測） ? 醫(yī)療業(yè)（醫(yī)療診斷） ? 司法（ FAIS系統(tǒng)，識別洗錢、詐騙、犯罪分析） ? 工程與科學（星體發(fā)現(xiàn)） 32 小結 本章只對機器學習作個入門介紹。 機器學習在過去十多年中獲得較大發(fā)展。今后機器學習將在理論概念、計算機理、綜合技術和推廣應用等方面開展新的研究。其中，對結構模型、計算理論、算法和混合學習的開發(fā)尤為重要。在這些方面，有許多事要做，有許多新問題需要人們?nèi)ソ鉀Q 。 33 演講完畢，謝謝觀看！
環(huán)評公示相關推薦
鄂ICP備17016276號-1