位置: IT常识 - 正文

数据挖掘(4.1)--分类和预测(数据挖掘的四种基本方法)

编辑:rootadmin
数据挖掘(4.1)--分类和预测

目录

前言

一、分类和预测

分类

预测

二、关于分类和预测的问题

准备分类和预测的数据

评价分类和预测方法

混淆矩阵

评估准确率

参考资料


前言

推荐整理分享数据挖掘(4.1)--分类和预测(数据挖掘的四种基本方法),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:数据挖掘期末考试大纲,数据挖掘期末考试大纲,数据挖掘是做什么的,数据挖掘工程师,数据挖掘名词解释,数据挖掘是做什么的,数据挖掘的四种基本方法,数据挖掘的四种基本方法,内容如对您有帮助,希望把文章链接给更多的朋友!

分类:离散型、分类新数据

预测:连续型、预测未知值

描述属性:连续、离散

类别属性:离散

有监督学习:

分类

训练样本有标签

对未知数据分类

无监督学习:

聚类

无标签

划分存在的聚类

一、分类和预测分类

分类过程是一个两步的过程。第一步是模型建立阶段,或者称为训练阶段,这一步的目的是描述预先定义的数据类或概念集的分类器。在这一步会使用分类算法分析已有数据(训练集)来构造分类器。训练数据集由一组数据元组构成,每个数据元组假定已经属于一个事先指定的类别(由类别标记属性确定)。

在分类的第二步,需要使用第一步得到的分类器进行分类,从而评估分类器的预测准确率。具体来说,由一组检验元组和相关联的类别标记所组成的测试数据集。

在机器学习中,分类也往往称为有监督学习,“有监督”指的是用于训练的数据元组的类别标记是已知的,新的数据基于训练数据集进行分类。与之对应的是聚类,在机器学习中称为无监督学习,“无监督"指的是用于训练的数据元组的类别标记是未知的,这种学习旨在识别隐含在数据中的类或簇。

预测

数据预测也是一个两步过程。与数据分类不同的是,对于所需要预测的属性值是连续值,而且是有序的;分类所需要预测的属性值是离散的、无序的。预测器与分类器类似,也可以看作一个映射或者函数y= f(x),其中x是输人元组,输出y是连续的或有序的值。与分类相同,测试数据集与训练数据集在预测任务中也应该是独立的。预测的准确率通过对每个检验元组r,利用y的预测值与实际已知值的差来评估。

二、关于分类和预测的问题准备分类和预测的数据

对分类和预测所使用的数据进行预处理,预处理一般可以分为以下三个步骤: (1)数据清理。主要目的是减少数据噪声和处理缺失值。

尽管大部分分类算法都有某种处理噪声和缺失值的机制,但是该步骤有助于减少学习时的混乱。 (2)相关分析。目的是移除数据中不相关或冗余的属性。

数据挖掘(4.1)--分类和预测(数据挖掘的四种基本方法)

这样可以加快分类器训练速度,提高分类器准确率。 (3)数据转换。目的是泛化或规范化数据。

这种距离度量方法可以避免受不同属性不同初始值范围对度量结果的影响。

评价分类和预测方法

(1)准确率。

分类准确率指分类器预测新的或先前未出现过的数据元组的类别标记的能力。预测器的准确率指预测器猜测新的或先前未出现过的数据元组的预测属性值的准确程度。 (2)速度。

指建立模型(训练)和使用模型(分类/预测)的时间开销。 (3)鲁棒性。

指分类器或预测器处理噪声值或缺失值数据的能力。 (4)可伸缩性。

指针对大规模数据、分类器或预测器的处理能力。 (5)可解释性。

指分类器或预测器所提供的可理解和洞察的程度。

分类器或预测器在检测集上的准确率和错误率是两个常用的度量准则。检测集上的准确率指的是检测集中被正确分类或预测的元组所占的比例。相反,检测集上的错误率指的是检测集中被错误分类或预测的元组所占的比例。

混淆矩阵

 一个分析分类器识别不同元组情况的有用工具。

真正(TruePositives)指分类器正确标记的正元组.TP

真负(TrueNegatives)是指分类器正确标记的负元组。TN

假正(FalsePositives)是错误标记的负元组,FP

假负(FalseNegatives)是错误标记的正元组。FN

正确率:

准确率:

评估准确率

保持、随机子抽样、交叉验证是常用的基于给定数据的随机抽样划分,评估准确率的常用技术。这些技术的使用会增加总体计算开销,但是会有利于模型选择。

保持方法是一般讨论准确率默认的方法。这种方法将给定数据分为两个独立的集合:训练数据集和测试数据集。一般2/3的数据作为训练数据集,1/3的数据作为测试数据集。训练数据集用来建立模型,而准确率通过测试数据集来评估。

随机子抽样方法是保持方法的简单变形,它将保持方法重复k次,总的准确率估计取每次迭代准确率的平均值。

在k-交叉检验中,初始数据随机划分为k个互不相交的子集S1,S2,..Sk,每个子集的大小大致相等。训练和测试进行k次。在第i次迭代,子集Si用作测试集,其余的子集用来训练模型。

参考资料

《数据挖掘:方法与应用》徐华著

本文链接地址:https://www.jiuchutong.com/zhishi/299936.html 转载请保留说明!

上一篇:Vue经典面试题:Vue2和Vue3的区别(vue的一些面试题)

下一篇:【论文精读】Tune-A-Video: One-Shot Tuning of Image Diffusion Models for Text-to-Video Generation(论文精读分析报告)

  • 已抵扣进项税额转出怎么申报
  • 房产税和土地使用税每年都要交吗
  • 税务机关帮我预填了申报数据,我是不是就不用申报了?
  • 扶贫入股分红能领多久
  • 记账更改的方法
  • 租赁类发票可以不写单价数量
  • 税收分类编码如何查询
  • 技术转让是指
  • 小规模纳税人哪些发票可以抵税
  • 所得税费用在利润表中应在税金及附加项目中填列
  • 汇款出国规定
  • 资产负债表要素包括几项
  • 应交税费消费税分录
  • 代扣代缴城建税可以享受六税两费
  • 新产品开发费用怎么扣除
  • 可供出售金融资产和长期股权投资
  • 3%税率是一般纳税人还是小规模
  • 清洁服务经营范围有哪些
  • 季节性停工算作固定资产停止使用吗?
  • 企业卖固定资产
  • 视同销售如何纳税调整?
  • 股权转让怎么缴纳个人所得税
  • 公允价值变动增加在借方还是贷方
  • 利润表里的营业成本包括哪些
  • 国外发票可以报销吗
  • 280元航天使用费多少钱
  • 原材料计入什么账本
  • 财政拨款收入属什么科目
  • 销售折让和折扣的风险点
  • 如何生成系统图
  • 华为手机隐藏应用
  • 建筑公司支付的预付款担保保函费怎么做账?
  • jquery怎么升级
  • PHP:pg_last_error()的用法_PostgreSQL函数
  • 公益性捐赠申报填列
  • 收不回的应收账款分录
  • 最贵的电脑键盘
  • 购买商品的会计分录贷方能写应付账款
  • 再次回归的成语
  • js中的数组
  • qt无边框窗口设计
  • 怎么调整以前年度
  • 房地产开发费用最高扣除比例
  • 综合所得计税依据
  • 销售产品的运输费会计分录
  • 个人所得税汇算清缴
  • 个人银行账户进账多少
  • 本期销项税额怎么算
  • 水利建设基金申报表哪里
  • 现金折扣不考虑增值税
  • 什么叫公关费用
  • 预计负债的账务处理
  • 印花税的其他凭证指的是什么
  • 法院拍卖土地原欠税怎么办
  • 暂估成本多久要冲掉
  • 土地价款抵减销项税
  • 销项税额和转出未交增值税余额怎么结转
  • 社保个人部分如何继承
  • 银行承兑汇票记载事项
  • 如何防止mysql数据库攻击
  • sql动态表
  • mysql 索引的类型
  • iptables配置文件详解
  • 阿里云安装
  • 进程rundll32停止工作
  • win8系统如何查看电脑内存
  • centos7怎么配置ip地址和网络
  • dgservice.exe是什么进程
  • linux extern关键字
  • windows mobile10
  • win7系统本地连接图标不见了
  • Windows8和Windows Phone8中IE10两者相同点和区别
  • 深入解析windows
  • cocos2dx官方教程
  • 京东发票税号是几位数
  • 车船税多少钱一辆
  • 搞农业种植
  • 铜梁在重庆主城哪个方向
  • 全国征兵网官网报名
  • 消费税是单一环节征税吗
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设