数据挖掘复习.docVIP

样本组织的3种方法? 随机分组法：样本量大的用随机分组法，把2/3样本作为学习样本构建模型，剩余1/3作为测试样本，测试模型性能。K折交叉验证法：样本量不多，交叉分组分为K组，依次从K组数据中选1组作为测试样本，其余9组作为学习样本。 留一法：样本量很少，留1例作为测试样本，其余作为学习样本，依次循环。 关于数据的预处理 二值型数据（是否归一化变成0或1） 分类型和排序型就是变成0.1.2.3.4（如胃癌分期等） 数值型就是血压,心率之类的具体数据 对数值型数据进行归一化,就是要让数值都变化在【0,1】 比较大的数值：常用的几种十进计数法，用于比较大的数值，分散又比较开，可 以直接把这些数值除以10的整次幂（就是10的平方，三次方之类）对于数据不多且数值不大：可以采用最小-最大归一法： 把取值范围定在[0,1]，就可简化公式为： 新值=（原值-原min）/（原max-原min） 这样处理以后?数据中最大值变为1?最小值变为0Z分数归一法：新值=（原值-均值）/标准差 此法主要用于原始数据取值范围无法知道或原始数据中的最大值或最小值 与均值偏离很大 最后一种对数归一法：直接计算器In原值就出来新值了，对数归一法对原始数据压缩后不引起信息的损失 比较性能四格六格表： 灵敏度、特异度、正确率和ROC曲线。要把提供的6格表合并为4格表 回归分类? 决策树 模型表达