數(shù)據(jù)挖掘中的特征選擇-在線瀏覽
2025-07-12 03:04本頁(yè)面
【正文】 掘的主要方法 ? 分類(lèi)（ Classification） ? 聚類(lèi) (Clustering) ? 相關(guān)規(guī)則 (Association Rule) ? 回歸 (Regression) ? 其他 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 14 特征歸約在數(shù)據(jù)挖掘中的作用 ? 因?yàn)樵谖谋痉诸?lèi)、信息檢索和生物信息學(xué)等數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域中，數(shù)據(jù)的維數(shù)往往是很高的。數(shù)據(jù)挖掘中的數(shù)據(jù)歸約問(wèn)題 為什么需要數(shù)據(jù)挖掘 ? 數(shù)據(jù)爆炸問(wèn)題 ? 自動(dòng)數(shù)據(jù)收集工具和成熟的數(shù)據(jù)庫(kù)技術(shù)使得大量的數(shù)據(jù)被收集，存儲(chǔ)在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中以待分析。 ? 我們擁有豐富的數(shù)據(jù)，但卻缺乏有用的信息 ? 數(shù)據(jù)爆炸但知識(shí)貧乏 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 3 數(shù)據(jù)挖掘的作用 ? 數(shù)據(jù)挖掘： 在大量的數(shù)據(jù)中挖掘感興趣的知識(shí)（規(guī)則，規(guī)律，模式，約束） ? 數(shù)據(jù)挖掘 是一種從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)。 ? 高維的數(shù)據(jù)集中包含了大量的特征 (屬性 )。在這種情況下，這個(gè)數(shù)據(jù)集中就存在著成千上萬(wàn)的特征。 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 15 ? 特征選擇和特征降維是兩類(lèi)特征歸約方法。 選出來(lái)的特征子集一般還要驗(yàn)證其有效性。 ? 搜索的算法分為完全搜索 (Complete)， 啟發(fā)式搜索(Heuristic)， 隨機(jī)搜索 (Random) 3大類(lèi) 。 ? (1) 廣度優(yōu)先搜索 (BFS ) ? (2) 分支限界搜索 (BAB) ? (3) 定向搜索 (BS) ? (4) 最優(yōu)優(yōu)先搜索 (Best First Search) 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 20 ? 啟發(fā)式搜索 ? (1) 序列前向選擇 (SFS) ? (2) 序列后向選擇 (SBS) ? (3) 雙向搜索 (BDS) ? (4) 增 L去 R選擇算法 (LRS) ? (5) 序列浮動(dòng)選擇 (Sequential Floating Selection) ? (6) 決策樹(shù) (DTM) 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 21 隨機(jī)算法 ? (1) 隨機(jī)產(chǎn)生序列選擇算法 (RGSS) ? (2) 模擬退火算法 (SA) ? (3) 遺傳算法 (GA) 2021/6/14 數(shù)據(jù)挖掘中的特征選擇 22 特征的評(píng)價(jià)函數(shù) ? 特征的評(píng)估函數(shù)分
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1