3-数据分类.ppt

决策量化技术 三、数据分类 总目录 一、数据挖掘概述 二、关联规则挖掘 三、数据分类 四、数据聚类 五、序列模式挖掘 六、Web挖掘 七、数据挖掘系统 三、数据分类 1、什么是分类？ 2、决策树分类 3、粗集分类 4、K-近邻算法分类 5、贝叶斯分类 6、其它分类方法 7、人脸识别案例 分类的定义 分类的目的是构造一个分类函数或分类模型（分类器），该模型能把数据库中的数据项映射到某一个给定类别 给定数据库D＝｛t1,t2,…,tn｝，元组ti?D，类的集合C＝｛C1,……,Cm｝，分类问题定义为从数据库到类集合的映射f：D?C，即数据库中的元组ti分配到某个类Cj中，有Cj ＝｛ti|f(ti) = Cj，1≤i≤n，且ti∈D｝ 分类简介 分类简介 分类简介 分类简介 监督学习与非监督学习 监督学习-Supervised learning 数据的类标志是已知的 由训练数据集得到模型，用于新的对象 classification 非监督的学习-Unsupervised learning 数据的类标志是未知的 根据对象之间的距离或相似性进行划分 clustering 分类技术 Decision trees 决策树 Neural Networks 计算机神经网络 Bayes Classifier 贝叶斯分类 Association Rule …… 分类的三个阶段 模