《数据仓库与数据挖掘》VIP专享

下载后可任意编辑第 9 章分 类 规 则 挖 掘 与 预 测主要内容 分类与预测的基本概念 决策树方法 分类规则挖掘的 ID3 算法 其他分类规则挖掘算法1第 9 章 分类规则挖掘与预测 分类规则的评估 微软决策树及其应用9.1 分类与预测的基本概念2下载后可任意编辑1. 什么是分类数据分类（data classfication）是数据挖掘的主要内容之一，主要是通过分析训练数据样本，产生关于类别的精确描述。这种类别通常由分类规则组成，可以用来对未来的数据进行分类和预测。数据分类（data classfication）是一个两个步骤的过程：第 1 步：建立一个模型，描述给定的数据类集或概念集（简称训练集）。通过分析由属性描述的数据库元组来构造模型。每个元组属于一个预定义的类，由类标号属性确定。用于建立模型的元组集称为训练数据集，其中每个元组称为训练样本。由于给出了类标号属性，因此该步骤又称为有指导的学习。假如训练样本的类标号是未知的，则称为无指导的学习（聚类）。学习模型可用分类规则、决策树和数学公式的形式给出。第 2 步：使用模型对数据进行分类。包括评估模型的分类准确性以及对类标号未知的元组按模型进行分类。 （a）学习（b）分类 图 9-1 数据分类过程训 练 数据分类算法分类规则分 类 规则测 试 数据新数据模型评估新 数 据 分类3第 9 章 分类规则挖掘与预测2. 常用的分类规则挖掘方法分类规则挖掘有着广泛的应用前景。对于分类规则的挖掘通常有以下几种方法，不同的方法适用于不同特点的数据：决策树方法贝叶斯方法人工神经网络方法约略集方法遗传算法典型的分类规则挖掘算法有：ID3C4.5DBlearn 等3. 什么是预测预测（prediction）是构造和使用模型评估无标号样本类，或评估给定的样本可能具有的属性或区间值。分类和回归是两类主要的预测问题。分类是预测离散值，回归用于预测连续或有序值。4. 分类和预测数据的预处理 数据清理：使用平滑技术消除或减少噪声；处理空缺值。 相关性分析：删除与分类或预测无关的属性；删除冗余属性。4下载后可任意编辑 数据变换：使用概念分层将数据概化到高的层次；连续值属性概化为离散区间；数据法律规范化，即将某一属性的所有值按比例缩放，使其落入指定的区间。5. 分类方法的评估标准准确率：模型正确预测新数据类标号的能力。速度：产生和使用模型花费的时间。健壮性：有噪声数据或空缺值数据时...