數(shù)據(jù)挖掘、機器學(xué)習(xí)和weka-展示頁
2025-05-26 09:02本頁面
【正文】 ing— Practical Machine Learning Tools and Techniques with Java Implementations》， 新西蘭 Ian H. Witten、Eibe Frank著 ? Weka – An open source framework for text analysis implemented in Java that is being developed at the University of Waikato in New Zealand. – – 概念： KDD、 ML、 OLAP與 DM ? KDD（ Knowledge Discovery in Database） 是一種知識發(fā)現(xiàn)的 一連串過程 。 ? ML（ Machine Learning） ＝ KD， 不限于 Database的數(shù)據(jù) 過程： 挖掘－數(shù)據(jù)模式－表示－驗證－預(yù)測 ? OLAP（ Online Analytical Process） 是數(shù)據(jù)庫在線分析過程。 ? DM用在產(chǎn)生假設(shè) ，而 OLAP則用于查證假設(shè) 概念： DM與 DB ? Data Preparation要占 Data mining過程 70％工作量 ? 「 Data base」＋「 Data mining」＝ 會說話的數(shù)據(jù)庫 概念： Data Mining ? 概念：數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中，抽取出潛在的、有價值的知識（模型或規(guī)則）的過程 – Key Characteristics of Data Mining： ? Large amount of data ? Discovering previously unknown, hidden information ? Extracting valuable information ? Making important business decision using the information ? DM/ML的一些要點 – The data is stored electronically and the search is automated by puter。 – Defined as the process of discovering patterns in data。 – to bee aware by information or from observation。 – to be informed of, ascertain(確定 )。ve Bayes） ? 使用所有屬性，假設(shè)屬性無關(guān)、且同等重要 ? Divide and conquer: Constructing decision trees ? 循環(huán)選擇一個屬性來分割樣本 (算法： ID ) ? Covering algorithms： Constructing rules（ 算法：Prism） ? Take each class in turn and seek a way of covering all instances in it, at the same time excluding instances not in the class. ? Covering approach導(dǎo)出一個規(guī)則集而不是決策樹 算法： The basic methods ? Mining association rules： – 參數(shù)： coverage(support)， accuracy(confidence) ? Linear models（ 參考 ） – 主要用于值預(yù)估和分類（ Line
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1