第5章傳統(tǒng)數(shù)據(jù)挖掘技術(shù)?-在線瀏覽
2024-12-01 16:00本頁面
【正文】 女 4 李強(qiáng) 32 一般 差 男 5 李玲 21 高 優(yōu)良 女 6 曾前 27 高 一般 男 7 武穎 50 低 優(yōu)良 女 8 程勇 46 高 優(yōu)良 男 9 牛蘭 27 低 優(yōu)良 女 10 高程 68 低 優(yōu)良 男 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 柱狀圖數(shù)據(jù)挖掘技術(shù) ， 信用優(yōu)良一般差Count5 . 55 . 04 . 54 . 03 . 53 . 02 . 52 . 01 . 5第 2 章 計(jì)算機(jī)局域網(wǎng)集成 線性回歸數(shù)據(jù)挖掘技術(shù) ， 線形回歸是最簡單的回歸形式。﹒． ﹒ ． ﹒ ． ﹒． ﹒ ． ﹒ ． ﹒ ．． ﹒ ． 當(dāng)一個(gè)對(duì)象被插入到最近的葉節(jié)點(diǎn)（子聚類）中時(shí)，如果在插入對(duì)象后，存儲(chǔ)在葉節(jié)點(diǎn)中子聚類的直徑大于閥值，那么該葉節(jié)點(diǎn)被分裂，也可能有其他節(jié)點(diǎn)被分裂。通過修改閥值， CF樹的大小可以改變。 ? BIRCH算法具有可伸縮性，通過對(duì)數(shù)據(jù)集的首次掃描產(chǎn)生一個(gè)基本聚類，二次掃描則進(jìn)一步改進(jìn)聚類質(zhì)量并處理孤立點(diǎn)。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 ? CURE算法的主要步驟如下： ? ⑴從源數(shù)據(jù)集中抽取一個(gè)隨機(jī)樣本 S。 ? ⑶對(duì)每個(gè)劃分進(jìn)行局部的聚類。如果一個(gè)簇增長太慢，就刪除該簇。落在每個(gè)新形成的簇中的代表點(diǎn)根據(jù)用戶定義的收縮因子收縮或向簇中心移動(dòng)。 ? ⑹用相應(yīng)的簇標(biāo)簽來標(biāo)記數(shù)據(jù)。每個(gè)簇用該簇中對(duì)象的平均值來表示。 ? ⑵計(jì)算每個(gè)簇的平均值，并用該平均值代表相應(yīng)的簇。 ? ⑷然后轉(zhuǎn)第二步，重新計(jì)算每個(gè)簇的平均值。 ? k中心點(diǎn)算法 ? 每個(gè)簇用接近聚類中心的一個(gè)對(duì)象來表示。然后反復(fù)用非代表對(duì)象代替代表對(duì)象，以提高聚類的質(zhì)量。 然后算法檢查某個(gè)對(duì)象 ε鄰域中的對(duì)象數(shù) ， 如果對(duì)象數(shù)大于 MitPts， 該對(duì)象就是核心對(duì)象 ， 就構(gòu)建以該對(duì)象為核心的新簇 。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 OPTICS算法是對(duì) DBSCAN算法的改進(jìn) ， 因?yàn)樵?DBSCAN算法中需要用戶設(shè)定 ε鄰域和 MitPts， 但是在實(shí)際應(yīng)用中用戶往往很難確定這些參數(shù) ， 而且這些參數(shù)設(shè)置的不同往往會(huì)導(dǎo)致聚類結(jié)果有很大差別 。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 DENCLUE算法的依據(jù)是某個(gè)數(shù)據(jù)點(diǎn)在鄰域內(nèi)的影響可以用一個(gè)數(shù)學(xué)函數(shù)來形式化地模擬 ， 這個(gè)函數(shù)為影響函數(shù) 。 在聚類時(shí)就根據(jù)全局密度函數(shù)的局部最大 ， 即密度吸引點(diǎn)來確定 。 第 2 章 計(jì)算機(jī)局域網(wǎng)集成 ? 利用 STING算法可以自頂向下回答查詢： ? ⑴從層次中選定一層（含較少單元的層次）作為查詢處理的開始。 ? ⑶當(dāng)前層次處理完畢，轉(zhuǎn)入下一層次，處理下一層次時(shí)只檢查處理相關(guān)單元。如果查詢要求滿足，就返回相關(guān)單元的區(qū)域，否則檢索和進(jìn)一步處理相關(guān)單元中的數(shù)據(jù)，直到滿足查詢要求為止。 ? 小波變換的聚類是無監(jiān)督聚類，不用事先假定
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1