市场营销中的数据分析方法.pptVIP

分类过程示意 训练集 分类学习 训练集 分类器 IF rank = ‘professor’ OR years 6 THEN tenured = ‘yes’ Jef is YES! 第五十页，共七十三页。 分类中的决策树（Decision Tree）归纳 决策树 类似于流程图的树型结构 内部节点代表对某个属性的一次测试 分支代表测试的输出结果 叶节点代表分类标签或分布 决策树的生成包括两个阶段 树的创建 首先, 所有训练样本都位于根节点 递归地基于选择属性来划分样本集 树的修剪 识别并删除那些反映噪声或孤立点的分支 应用决策树: 对未知样本进行分类 在决策树上测试样本的各个属性值 第五十一页，共七十三页。 决策树示意 age? overcast student? credit rating? no yes fair excellent =30 40 no no yes yes yes 30..40 示例：是否购买计算机？ 第五十二页，共七十三页。 聚类的基本概念 基本定义 将数据对象集划分成事先未知的分组或类别 聚类的原则：类内相似度高，类间相似度低 相似度一般为某种距离函数D(i,j) 聚类既可以作为独立分析工具考察数据分布结构，也可以作为其他分析方法的预处理步骤 很不幸，对聚类结果的评价一般都是主观的 基本分类 将数据对象集划分成事先未知的分组或类别 第五十三页，共七十三页