第八章_分类和预测讲座图解.pdfVIP

商务智能 第八章分类与预测 赵晓煜 信息技术与商务管理系 主要内容 1. 分类与预测的概念 2. 用判定树归纳分类 3. 贝叶斯分类 4. 后向传播分类 5. 预测 1. 分类和预测的概念 分类和预测用于提取描述重要数据类的模型并预测 未来的数据趋势。 分类是用来预测新数据对象的类标号 预测是建立连续值的函数 分类的方法 判定树归纳 贝叶斯分类和贝叶斯网络 神经网络 预测的方法 线性、非线性和广义线性回归模型 分类的例子 训练数据 姓名 年龄 收入 信用等级 Mike =30 低 一般 Mary =30 低 良好 Bill 31…40 高 良好 Jim 40 中 一般 新数据 Dave 40 中 一般 John Herri, 31…40, high 良好 Anne 31…40 高 良好 信用等级？ 分类算法 If 年龄= ’31…40’ and 收入 = ‘高’ 测试数据 分类模型 Then 信用等级 =‘良好’ 分类—一个两步过程 建立模型——描述一组事先定义的类 每个元组/样本属于一个预定义的类，由一个标 记属性确定。 为建立模型而被分析的数据元组称为训练数据集 模型的表示：分类规则、决策树、数学公式 使用模型进行分类 评估模型的预测准确率 准确率是正确被模型分类的测试样本的百分比 测试数据集应独立于训练数据集，否则出现过分 适合 预测的例子 y 样本数据 y0 y = x + 1 回归分析 x0 x 回归模型 新数据 2. 用判定树归纳分类 什么是判定树? 是一个类似于流程图的树结构 内部节点表示在一个属性上的测试 分支代表一个测试的输出 树叶节点代表类标号或类分布 年龄? 内部节点 =30 40 分支 31…40