智能计算-分类与预测.pptVIP

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;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;分类和预测;关于分类和预测的一些问题 (1): 数据准备;关于分类和预测的问题 (2): 评估分类方法;分类和预测;使用决策树归纳进行分类;训练集;输出: 关于购买电脑的一棵决策树;决策树算法;属性选择的统计度量;信息增益;信息理论中的Shannon熵;Shannon熵的数学描述;不确定性函数应满足的条件;图示;Shannon熵;信息增益(Information Gain);信息增益(Information Gain);信息增益在决策树中的使用;使用信息增益进行属性选择;例子(1);例子(2);例子(3);Gini Index (IBM IntelligentMiner);生成决策树的??本算法(1);生成决策树的基本算法(2);从树中生成分类规则;在分类中避免过度适应(Overfit);分类和预测;分类和预测;用Matlab演示决策树;写在后面的知识介绍——网络蜘蛛与搜索引擎的基本原理;网络蜘蛛原理;网络蜘蛛原理;网络蜘蛛;网络蜘蛛