数据挖掘原理与应用——以石油勘探开发为例 课件 5.1分类的基本过程.pptxVIP

5.1分类的基本过程

分类与预测分类和预测是两种数据分析形式，可以用于描述重要数据类的模型或预测未来的数据趋势。然而，分类是预测分类标号（或离散值)，而预测建立连续值函数模型。分类的目的是学会一个分类函数（分类模型、分类器）该模型能把数据库中的数据影射到给定类别中的一个。

分类与预测预测是使用模型评估无标号样本类，或评估给定样本可能具有的属性值或值区间。分类和回归都可用于预测，预测的目的是从历史记录数据中自动推导出对给定数据的推广描述。

分类与预测两者的区别：分类是用来预测数据对象的类标记，离散的，无序的。如：银行业务中，根据贷款申请者信息判断贷款者是属于“安全”类还是“风险”类的预测则是估计某些空缺或未知值，连续的，有序的。如：分析给贷款人贷款量的多少对于银行是“安全”的

分类与预测训练集：数据库中为建立模型而被分析的数据元组形成训练集。训练集中的单个元组称为训练样本，每个训练样本有一个类别标记。测试集：用于评估分类模型的准确率

分类与预测数据分类分为两步过程。数据分类的第一步建立一个模型，描述预定义的数据类或概念集学习模型通常以分类规则、判定树或数学公式的形式提供。(a)学习：用分