《商务智能》配套教学课件.pptVIP

* * k-means聚类算法比较适合处理凸形分布的连续数值型数据的聚类。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 模型构造：用来构造模型的数据集称为训练数据。通过分析样本的类别和其他特征之间的依赖关系，把这种关系用特定的模型表示出来。例如，分析以往的病例，根据病人的症状和诊断结果，得到疾病诊断模型。 模型评价：利用另一组数据检测模型的准确度，用来评价模型的数据集称为测试数据。例如，得到诊断模型后，用另一组病例测试模型的准确程度。为了评价的客观性，测试数据集与训练数据集不应该包含相同的样本。评价的作法是把测试数据依次输入模型，确定样本的类别，然后比较模型推导出来的类标志和已知的类标志，如果相同，则称结果是正确的。模型的准确度就等于测试数据中结果正确的比例。 模型应用：利用模型解决新的决策问题。用决策树进行新数据的分类时，从根结点开始，根据属性值的测试结果，确定下一个结点，直到到达叶结点为止，叶结点标识的类别就是新数据的类别。这个过程与模型评价基本相同，只是输入数据的类别是未知的。例如，医生利用疾病诊断的模型，为新的病人确定疾病的类型。