《数据挖掘导论第5章_分类_其他技术》.ppt

数据挖掘导论;第5章 分类: 其他技术 ;5.1 基于规则的分类器;基于规则的分类器;基于规则的分类器: 例;基于规则的分类器的使用;规则的质量 ;如何用规则分类;规则的分类器的特征;规则的分类器的特征(续);有序规则集;规则定序方案;如何建立基于规则的分类器;直接方法: 顺序覆盖;直接方法: 顺序覆盖;顺序覆盖: 例;删除实例;Learn-One-Rule;规则增长;规则增长: 例;规则评估;规则评估(续);规则评估:例;规则评估(续) ;规则评估(续) ;停止条件与规则剪枝;直接方法: RIPPER;直接方法: RIPPER(续) ;直接方法: RIPPER(续) ;直接方法: RIPPER(续) ;规则提取的间接方法;间接方法: C4.5rules(续) ;间接方法: C4.5rules;C4.5 vs C4.5rules vs RIPPER;基于规则的分类器的特征 ;5.2 最近邻分类器 ;急切学习 vs 惰性学习;最近邻分类器;最近邻分类器 ;最近邻定义;1 nearest-neighbor; k-最近邻分类算法 ;k-最近邻;k-NN的特点;5.3 贝叶斯分类器 ;贝叶斯定理;朴素贝叶斯分类;朴素贝叶斯分类(续);朴素贝叶斯分类(续);朴素贝叶斯分类;贝叶斯分类器: 例;贝叶斯分类器: 例(续);贝叶斯分类器;贝叶斯分类器的特点;贝叶斯信念网络;贝叶斯信念网络 : 例;贝叶斯信念网络 : 例(续);训练贝叶斯信念网络;训练贝叶斯信念网络;训练贝叶斯信念网络:梯度下降法;BBN的特点;使用BBN进行推理举例 ;情况一：没有先验信息 ;情况二：高血压;情况三;5.4 人工神经网络 ;神经网络;多层前馈神经网络 ;多层前馈神经网络(续);多层前馈神经网络(续);后向传播;后向传播(续);一个神经元(Neuron);神经网络的激活函数;后向传播(续);后向传播(续);后向传播(续);后向传播算法;后向传播算法(续);后向传播:例;后向传播:例(续);后向传播:例(续);神经网络的特点 ;5.5 支持向量机 ;支持向量机;支持向量机;决策边界的边缘;SVM的决策边界和边缘 ;边缘;边缘推导;边缘推导(续);SVM;SVM(续);SVM(续);SVM(续);SVM: 例;SVM: 不可分情况 ;SVM: 不可分情况(续);SVM: 不可分情况(续);SVM: 不可分情况(续);非线性 SVM;非线性 SVM(续);非线性 SVM(续);核技术 ;SVM的特点;多类问题 ;多类问题(续);多类问题:例;5.6 组合方法 ;一般思想;Why does it work?;Bagging;Boosting;Adaboost;Adaboost(续);Rotation Forest;Rotation Forest(续);5.7 不平衡类问题 ;准确率的局限性;其它???量;其它度量(续);ROC曲线;ROC曲线(续);Using ROC for Model Comparison;How to Construct an ROC curve;How to construct an ROC curve;代价敏感学习 ;代价敏感学习(续);代价敏感学习(续);代价敏感学习(续);基于抽样的方法;两阶段学习;两阶段学习(续);基于局部聚类的方法;dsfdbsy384y982ythb3oibt4oy39y409705923y09y53b2lkboi2y58wy0ehtoibwoify98wy049ywh4b3oiut89u983yf9ivh98y98sv98hv98ys9f698y9v698yv98x98tb98fyd98gyd98h98ds98nt98d8genklgb4klebtlkb5k tkeirh893y89ey698vhkrne lkhgi8eyokbnkdhf98hodf hxvy78fd678t9fdu90gys98y9shihixyv78dfhvifndovhf9f8yv9onvkobkw kjfegiudsfdbsy384y982ythb3oibt4oy39y409705923y09y53b2lkboi2y58wy0ehtoibwoify98wy049ywh4b3oiut89u983yf9ivh98y98sv98hv98ys9f698y9v698yv98x98tb98fyd98gyd98h98ds98nt98d8genklgb4klebtlkb5k tkeirh893y89ey698vhkrne lkhgi8eyokbnkdhf98hodf hxvy78fd678t9fdu90gys98y9shihixyv78dfhvifndovhf9f8yv9onvkobkw kjfegiu dsfdbsy384y982ythb3oi