物聯(lián)網(wǎng)中的智能決策v1135-文庫吧資料
2025-01-11 22:22本頁面
【正文】 個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大 聚類與分類的區(qū)別： 要劃分的類是事先未知的 聚類分析的應(yīng)用 聚類分析 聚類分析的方法 ?劃分方法 ：要求事先給定聚類的數(shù)目 k。在選擇區(qū)分屬性以前，數(shù)據(jù)的期望信息為 ，用職業(yè)區(qū)分之后的期望信息為 ，則選擇職業(yè)作為區(qū)分屬性的 信息增益 為 )4,6( ?? IE )3,4(107)1,2(10339。 分類和預(yù)測 用于預(yù)測客戶是否可能購買計算機的 判定樹 ，其中 每個非樹葉節(jié)點 表示一個 屬性上的測試 ， 每個樹葉節(jié)點 代表 預(yù)測結(jié)果 分類和預(yù)測 如何構(gòu)造上述判定樹？ 基本概念： n個客戶中有 a個購買了計算機的 期望信息 建立樹節(jié)點時，選取合適的判定屬性，以 最大化期望信息增益應(yīng) ?某種屬性上的信息增益大小反映了該屬性區(qū)分給定數(shù)據(jù)的的能力強弱 nannannanaanaI ?????? loglog),(10條客戶記錄，其中 6人購買了計算機， 4人沒有購買?？蛻魯?shù)據(jù)庫描述的客戶屬性包括姓名、年齡、收入、職業(yè)和信用記錄。 ?第 12章介紹了搜索引擎的相關(guān)知識 ?搜索引擎的基本組成 ?搜索引擎的體系結(jié)構(gòu)（信息采集，索引技術(shù)，搜索服務(wù)） ?物聯(lián)網(wǎng)中搜索引擎的挑戰(zhàn) ?本章介紹 數(shù)據(jù)挖掘的基本流程 （預(yù)處理，數(shù)據(jù)挖掘，知識評估與表示），重點介紹 幾種典型的數(shù)據(jù)挖掘算法 ，最后討論 物聯(lián)網(wǎng)中智能決策的新特點 。第 13章 物聯(lián)網(wǎng)中的 智能決策 內(nèi)容提要 智能決策 是物聯(lián)網(wǎng)“智慧”的來源。 本章將介紹數(shù)據(jù)挖掘的基本流程，基本類型和典型算法。 內(nèi)容回顧 數(shù)據(jù)挖掘概述 數(shù)據(jù)挖掘的基本類型和算法 * 智能決策與物聯(lián)網(wǎng) 什么是數(shù)據(jù)挖掘？數(shù)據(jù)挖掘有哪三個步驟？ 本章內(nèi)容 數(shù)據(jù)挖掘概述 數(shù)據(jù)挖掘 （ Data Mining） ?從大量 數(shù)據(jù) 中獲取潛在有用的并且可以被人們理解的 模式 的過程 ?是一個 反復(fù)迭代 的 人機交互和處理 的過程，歷經(jīng)多個步驟，并且在一些步驟中需要由用戶提供決策 數(shù)據(jù)挖掘的過程： ?數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和對挖掘結(jié)果的評估與表示 ?每一個階段的輸出結(jié)果成為下一個階段的輸入 數(shù)據(jù)挖掘概述 數(shù)據(jù)挖掘的過程 ?數(shù)據(jù)預(yù)處理階段 ?數(shù)據(jù)準(zhǔn)備：了解領(lǐng)域特點，確定用戶需求 ?數(shù)據(jù)選?。簭脑紨?shù)據(jù)庫中選取相關(guān)數(shù)據(jù)或樣本 ?數(shù)據(jù)預(yù)處理：檢查數(shù)據(jù)的完整性及一致性，消除噪聲等 ?數(shù)據(jù)變換：通過投影或利用其他操作減少數(shù)據(jù)量 ?數(shù)據(jù)挖掘階段 ?確定挖掘目標(biāo)：確定要發(fā)現(xiàn)的知識類型 ?選擇算法：根據(jù)確定的目標(biāo)選擇合適的數(shù)據(jù)挖掘算法 ?數(shù)據(jù)挖掘：運用所選算法，提取相關(guān)知識并以一定的方式表示 ?知識評估與表示階段 ?模式評估：對在數(shù)據(jù)挖掘步驟中發(fā)現(xiàn)的模式
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1