资料采矿的定义及技术(16页).pdfVIP

第2章 資料採礦的定義及技術 前言 傳統技術以統計分析為代表，舉凡統計學內所含之敘述統計 (Descriptive Statistics) 、機率論(Probability) 、迴歸分析(Regression) 、類別資料分析(Categorical Data Analysis) 等皆可用來進行資料採礦。 資料採礦對象多為變數繁多且筆數龐大的資料，而高等統計學中的多變量分 析方法如用來分類的判別分析(Discriminated Analysis) 、用來簡化變數的因素分析 (Factor Analysis) 以及用來區隔群體的分群分析(Cluster Analysis) 等亦成為重要的 工具。 在改良技術方面，資料採礦廣泛利用各種電腦應用領域的人工智慧(Artificial Intelligence) 方法，較普遍的有決策樹理論(Decision Tree) 、類神經網路(Neural Network) 、模糊理論(Fuzzy Logic) 、以及規則歸納法(Rule Induction) 等。 學習路