《智能信息处理》全册配套完整教学课件4.pptx

《智能信息处理》全册配套完整教学课件4;智能信息处理32学时;提纲;;Teaching Material;About the Instructor; Reference Books; Reference Books;考核方式;Content;11;12;;开课必要性：学术的角度(数据挖掘);开课必要性：工业界的角度(数据挖掘);提纲;人工智能概述：基本概念(一);人工智能概述：基本概念(二);;;Trends leading to Data Flood;Growth Trends;Big Data;智能信息处理;提纲;分类;;;线性回归;聚类;深度学习;;实验工具;实验工具;提纲;OD flow I-b;案列：IP网络流量分类(一);Features Reacting on application development;;互联网应用类型;Any Questions?;42;第1章 引论;44;第1章 引论;什么是数据挖掘?;;KDD过程的步骤;数据挖掘和商务智能;第1章 引论;数据挖掘: 在什么数据上进行?;第1章 引论;数据挖掘功能(1);数据挖掘功能(2);数据挖掘功能(3);数据挖掘功能(4);离群点检测;Linear Regression;挖掘出的所有模式都是有趣的吗?;60;第1章 引论;数据挖掘: 多学科交叉;第1章 引论;面向什么类型的应用—可能的应用;市场分析与管理(1);市场分析与管理(2);法人分析和风险管理;欺骗检测和管理(1);欺骗检测和管理(2);其它应用;第1章 引论;数据挖掘的主要问题(1);数据挖掘的主要问题(2);第1章 引论;小结;;;Where 2 Find References? DBLP, CiteSeer, Google;79;钱 峰 通信与信息工程学院 2018年;81;82;83;84;85;86;87;88;89;90;91;92;93;94;95;96;97;98;99;100;101;102;103;104;105;106;107;108;109;110;111;112;113;114;115;116;117;118;119;120;121;122;123;124;125;126;127;128;129;130;131;132;133;134;135;136;137;138;139;140;141;钱峰 通信与信息工程学院 2018年;143;;;;147;148;149;150;151;152;153;154;155;;157;158;159;160;161;协方差计算可简化为 设两个股票 A 和B 一周内值如下 (2, 5), (3, 8), (5, 10), (4, 11), (6, 14). 问: 如果股票是由同行业趋势的影响，它们的价格将一起上升或下降？ E(A) = (2 + 3 + 5 + 4 + 6)/5 = 20/5 = 4 E(B) = (5 + 8 + 10 + 11 + 14) /5 = 48/5 = 9.6 Cov(A,B) = (2×5+3×8+5×10+4×11+6×14)/5 ? 4 × 9.6 = 4 A和B同时增长Cov(A, B) 0.;标称数据的X2相关检验;164;165;;;;;FFT vs wavelet;;;;174;175;176;177;178;179;;181;182;;;;;数据变换Data Transformation;规范化数据的方法;189;190;191;192;193;自动产生概念分层;195;196;第一次作业;钱 峰 通信与信息工程学院 2018年;199;200;什么是频繁模式分析?;202;203;204;205;206;挖掘关联规则(实际例子);208;极大频繁项集;闭频繁项集;闭频繁项集和极大频繁项集;闭频繁项集和极大频繁项集;213;;215;216;217;218;219;220;221;222;223;224;225;226;;228;229;230;231;232;;234;235;236;237;238;239;240;241;242;243;244;245;246;递归: 挖掘每???条件 FP-树;248;249;250;251;252;253;254;;使用垂直数据格式挖掘频繁项集;;极大模式;挖掘极大模式;关联规则的可视化;;;兴趣度度量;提升度;模式评估比较（几种度量）;;各种度量的比较;IR（Imbalance Ratio，不平衡比）: 评估规则蕴含式中两个项集A 和 B 的不平衡程度 Kulc与IR一起可以清晰的对D4~D6进行描述 D4 is balanced neutral D5 is imbalanced neutral D6 is very im