第5章傳統(tǒng)數(shù)據(jù)挖掘技術(shù)?(參考版)
2024-10-02 16:00本頁(yè)面
【正文】 除本章所介紹的對(duì)數(shù)據(jù)平滑方法外，還有其它哪些數(shù)據(jù)平滑方法？ 。 ? 20個(gè)相鄰點(diǎn)中， 8個(gè)屬于 m類， 11個(gè)屬于 n類， 1個(gè)屬于 k類，這個(gè)新數(shù)據(jù)點(diǎn)最有可能屬于哪一類。 ? （ 22， 1， 42， 10）和（ 20，0， 36， 8）描述，計(jì)算這兩個(gè)對(duì)象之間的曼哈頓距離、歐幾里得距離和明考斯基距離，明考斯基距離的 q值為4。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 統(tǒng)計(jì)分析類工具的應(yīng)用 ???? , 24313221 n yyyn yyyn yyy nnn ?? ????????? 趨勢(shì)分析 時(shí)序分析 周期分析 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 統(tǒng)計(jì)分析類工具應(yīng)用的問(wèn)題 統(tǒng)計(jì)類數(shù)據(jù)挖掘的預(yù)處理問(wèn)題 (1)忽略元組 (2)人工填寫空缺值 (3)使用一個(gè)全局變量填充空缺值 (4)使用屬性的平均值填充空缺值 (5)使用最可能的值填充空缺值 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 練習(xí) ? ： 1 1 1 11 1 1 1 1 2 2 2 2 2 2 22 2 2 2 3 3 3 3 3 3 3 33 3 3 3 3 3 3 4 4 4 45。 這些分類方法均可在命令 “ Analyze”→“Classify” 下啟動(dòng) 。 相關(guān)分析的啟動(dòng)需要使用命令 “ Analyze”→“Correlate” 。這些回歸分析均在“ Analyze”→“Regression” 菜單項(xiàng)中啟動(dòng)。 描 述 性 統(tǒng) 計(jì) 分 析 可 以 通 過(guò) “ Analyze”→“Descriptive Statistics”啟動(dòng)頻數(shù)分析 （ Frequencies） 、 描述形統(tǒng)計(jì)量分析 （ Descriptives） 、 探索分析 （ Explore） 和多維頻數(shù)分布列聯(lián)表 （ Crosstabs） 。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 最近鄰數(shù)據(jù)挖掘技術(shù) B 年齡 C A 收入 及時(shí)支付貨款 未及時(shí)支付貨款 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 統(tǒng)計(jì)分析類工具 統(tǒng)計(jì)類數(shù)據(jù)挖掘工具 SAS和 SPSS 許多數(shù)據(jù)挖掘工具中都使用了這樣一些統(tǒng)計(jì)分析過(guò)程：決策樹(shù)推斷（ 、 CART）、規(guī)則推斷（ AQ、 CNRECON）、最近鄰方法、聚類方法、關(guān)聯(lián)規(guī)則、特征提取和可視化等。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 最近鄰數(shù)據(jù)挖掘技術(shù) ? 基本概念是：相互之間“接近”的對(duì)象具有相似的預(yù)測(cè)值。 ? ⑶在符合興趣度的子空間中先找出密集單元，再找出相連接的密集單元，以識(shí)別簇。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 ? 基于網(wǎng)格和密度的聚類 CLIQUE算法主要步驟是： ? ⑴將數(shù)據(jù)空間劃分為互不相交的長(zhǎng)方形單元，記錄每個(gè)單元中的對(duì)象數(shù)。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 ? WaveCluster方法首先通過(guò)在數(shù)據(jù)空間上強(qiáng)加一個(gè)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1