《数据仓库与数据挖掘技术》第6章：数据挖掘基本算法.pdf

第6章 数据挖掘基本算法 本章内容：  6.1 分类规则挖掘  6.2 预测分析与趋势分析规则  6.3 数据挖掘的关联算法  6.4 数据挖掘的聚类算法  6.5 数据挖掘的统计分析算法  6.6 数据挖掘的品种优化算法  6.7 数据挖掘的进化算法 6.1 分类规则挖掘 6.1.1分类与估值 1 分类  为了理解事物特征并做出预测使用历史数据建立 一个分类模型（即分类器）的过程 。  应用于信用卡系统中的信用分级、市场调查、疗 效诊断、寻找店址等  实践应用参照课本 6.1 分类规则挖掘 6.1.1分类与估值 2 估值  估值（estimation ）与分类类似，不同之处在于，分类 描述的是离散型变量的输出，而估值处理连续值的输 出；分类的类别是确定的数目，估值的量是不确定的。 3 分类方法与步骤  方法：决策树归纳、贝叶斯分类、贝叶斯网络、神经网络。还有K-最临 近分类、基于案例的推理、遗传算法、粗糙集和模糊集方法 。  步骤：模型创建、模型使用 6.1 分类规则挖掘  6.1.1分类与估值 4 评估分类方法  要考虑的指标：预测准确率、速度、创建速 度、使用速度、鲁棒性、处理噪声和丢失值、 伸缩性、对磁盘驻留数据的处理能力、可解释 性、对模型的可理解程度、规则好坏的评价、 决策树的大小和分类规则的简明性。 6.1 分类规则挖掘 6.1.2 决策树 子节点 父节点 子节点 叶节点 根节点 子节点 叶节点 父节点 子节点 子节点 图6.1 一般决策树结构 mmmm iiii pppp loglogloglog 2222 ((((pipipipi )))) iiii 1111 6.1 分类规则挖掘 6.1.2 决策树 •1．决策树的构造过程 ID3算法应用如下： m （6.1 ） i 信息量计算公式：I(s1,s2,…sm)=- p log 2 (pi ) 其中，pi为si