智能计算-分类及预测.ppt

智能计算-分类与预测 分类和预测 什么是分类？什么是预测 关于分类和预测的一些问题 使用决策树进行分类 用Excel来演示决策树 用Matlab演示决策树 分类和预测 分类 类标签属性的确定 基于训练集形成一个模型，训练集中的类标签是已知的。使用该模型对新的数据(测试集)进行分类 预测: 对连续性字段进行建模和预测。 典型应用 信用评分 目标市场定位 医疗诊断 治疗结果分析 分类的两个步骤 模型创建: 描述一组预先确定的类 每一条记录都属于一个预先定义的类别，我们使用类标签属性来标识类别。 用于创建模型的数据集叫:训练集 模型可以用分类规则，决策树，或者数学方程的形式来表达。 模型使用: 用创建的模型预测未来或者类别未知的记录的类别 估计模型的准确率 使用创建的模型在一个测试集上进行预测，并将结果和实际值进行比较 准确率是测试集中被正确分类的对象的比率 测试集和训练集是独立的。 分类过程(1)：模型创建 分类过程 (2): 使用模型 有监督和无监督学习 有监督学习 (分类) 训练集是带有类标签的 新的数据是基于训练集进行分类的。 无监督学习 (聚类) 训练集的类标签未知。 给定一组测度(度量)或观察，然后寻找出训练集中存在类别或者聚类。 分类和预测 什么是分类？什么是预测 关于分类和预测的一些问题 使用决策树进行分类 用Excel来演示决策树 用Matlab演示决策树 关