第五章資料分類法.ppt

第五章　資料分類法 第五章 資料分類法 簡介 以決策樹為基礎之分類法 非決策樹為基礎之分類法 何謂分類 根據已知資料及其分類屬性值，建立資料的分類模型，接著利用此分類模型預測新資料的類別 範例：顧客是否會購買筆記型電腦的分類模型 分類法的特性與分類演算法 分類法特性 屬於機器學習(machine learning) 一種監督式的學習法(supervised learning) 常用的分類演算法 以決策樹為基礎的分類法 包括ID3, PRISM, 以及Gini索引 非決策樹為基礎的分類法 貝氏分類法、記憶基礎推論法、類神經分類法 分類的目的與應用 分類目的 分析影響資料歸類的因素 預測資料所屬的類別 (class label) 分類應用 信用額度核准(credit approval) 例如：根據預測的信用等級決定核卡額度 目標行銷(target marketing) 例如：找出會購買筆記型電腦的顧客屬性 醫療診斷(medical diagnosis) 例如：依病人的症狀判斷是否罹患SARS ．．． 分類所需的資料前置處理 資料一般化 將連續性資料離散化，資料的數值分布精簡化 避免分類的品質不佳 特徵屬性選取(feature selection) 找出具有關鍵影響的屬性，將無關屬性去除 提高分類的精準度 注意 每筆建立分類模型的資料樣本，一定要