DataMining分类、聚类综述.pptx

第五章 分类分析;2015/11/6;2015/11/6;分类分析;2015/11/6;2015/11/6;2015/11/6;2015/11/6;分类分析;是否会买计算机？;是否保险欺诈?;分类的应用;分类的定义;是否会买计算机？;简单例子;监督学习与非监督学习;简单例子;分类与预测;Decision trees 决策树 Rough Set 粗糙集 Bayes Classifier 贝叶斯分类 Associative Classification 关联分类 ……;分类的三个阶段;一个完整的分类过程;分类任务;数据划分;模型构造;模型测试/应用;分类分析;基于距离的分类算法; 基于距离分类算法的一般性描述;基于距离的分类方法的直观解释;k-近邻分类算法思想;K-近邻算法描述：;kNN的例子;kNN的例子;K-近邻算法的几个问题;分类分析;;决策树;内部节点：数据集的一个属性 分枝：对应属性的一个分割 叶子节点：表示一个类;决策树;决策树的构造;反 例;决策树算法思想;决策树生成算法;决策树生成过程; 为什么要选择最有分类能力的属性作为决策树当前节点？; 如何选择最有分类能力的属性作为决策树当前节点？ 信息增益、增益指标、GINI指标、…;⑵ 根据当前决策属性取值不同，将训练样本数据集划分为若干子集。; ⑶ 针对上一步得到每一个子