《统计学》Chap15_数据挖掘.pptVIP

神经网络注意事项 1.神经网络很难解释，目前还没有能对神经网络做出显而易见解释的方法学； 2.神经网络会学习过度； 3.训练一个神经网络可能需要相当可观的时间才能完成。 4.建立神经网络需要做的数据准备工作量很大。 说明 1.底板为全白 2. 第XX章和本章内容，严格按提供2、3页格式 3. 本章内容是一级标题（基本对应教材的节），按 一、二、…… 排列（不要标出“第一节”），并向下链接，参见提供的3页 4. 一级标题字体统一，见提供的4页中的红字，并用小鸟花边隔断，本页“说明”下面就是小鸟花边。 5. 下级的标题字体、字号不做统一规定，但相同层次的标题在一章中必须保存一致。 6. 返回符号、向前、向后符号都要求统一。 * * * 第一次迭代结果 Distance(C1-1) = 0.00 Distance(C1-2) = 3.00 Distance(C1-3) = 1.00 Distance(C1-4) ≈ 2.24 Distance(C1-5) ≈ 2.24 Distance(C1-6) ≈ 6.02 Distance(C2-1) = 1.00 Distance(C2-2) ≈ 3.16 Distance(C2-3) = 0.00 Distance(C2-4) = 2.00 Distance(C2-5) ≈ 1.41 Distance(C2-6) ≈ 5.41 C1包含实例1和2， C2包含实例3、4、5和6。 产生新的簇中心 C1簇中心 X = (1.0+1.0)/2 = 1.0 Y = (1.5+4.5)/2 = 3.0 C2簇中心 X = (2.0+2.0+3.0+5.0)/4 = 3.0 Y = (1.5+3.5+2.5+6.0)/4 = 3.375 第二次迭代结果 Distance(C1-1) = 1.50 Distance(C1-2) = 1.50 Distance(C1-3) ≈ 1.80 Distance(C1-4) ≈ 1.12 Distance(C1-5) ≈ 2.06 Distance(C1-6) = 5.00 Distance(C2-1) ≈ 2.74 Distance(C2-2) ≈ 2.29 Distance(C2-3) = 2.125 Distance(C2-4) ≈ 1.01 Distance(C2-5) = 0.875 Distance(C2-6) ≈ 3.30 C1包含实例1、2和3， C2包含实例4、5和6。 产生新的簇中心 C1簇中心 X = (1.0+1.0+2.0)/3 ≈ 1.0 Y = (1.5+4.5+1.5)/2 = 2.50 C2簇中心 X = (2.0+3.0+5.0)/3 ≈ 3.33 Y = (3.5+2.5+6.0)/3 = 4.00 K-平均值算法的局限 （1）该算法只对实数值数据有效。如果数据集里含有分类数据的属性，要么将该属性去掉，要么将该属性值转换成等价的数值数据。 （2）为了防止进行了错误的选择。在进行K平均值算法时，需要使用不同的K值进行多次运算，进而判断K值为多少时最适合。 （3）当数据中簇的大小近似相等时，K平均值算法的效果最好。 （4）无法确定哪些属性对已形成的簇是重要的。 关联规则 1.关联规则概述 2.相关术语与概念 3.关联规则的分类 4. Apriori算法 5.实例计算 6.从频繁项集产生关联规则 7.关联规则的不足 关联规则概述 关联知识是反映一个事件和其他事件之间依赖或相互关联的知识。如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。随着大量数据不停的收集和存储，人们希望从数据中发现感兴趣的关联关系，以帮助商务决策，如分类设计、交叉购物等。 相关的术语与概念 1.项集： （1）k－项集 k－项集就是包含k项的项集。{病征=“发烧”， 病征=“咳嗽”， 病名=“上呼吸道感染”}，那么{发烧，咳嗽，上呼吸道感染}就是一个大小为3的项集，即3－项集，“发烧”项是“病征”属性的一个属性值。 （2）频繁项集 频繁项集是在数据集中出现频率相当高的那些项集。频繁出现频率的阈值用支持度来定义。关联数据挖掘的任务就是高效快速的找出数据集中的频繁项集，这是衡量关联数据挖掘算法效率的标准。 相关的术语与概念 1.置信度和支持度： (1)支持度： P(A∪B)，即A和B这两个项集在事务集D中同时出现的概率。 (2)置信度：