




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、數(shù)據(jù)挖掘算法綜述張嫻162107201332017.04.28CONTENTS大數(shù)據(jù)概述數(shù)據(jù)挖掘算法分類經(jīng)典算法簡介123PART ONE大數(shù)據(jù)概述大數(shù)據(jù)概述 大數(shù)據(jù)是指無法在一定時間范圍內(nèi)用常規(guī)的軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合。是由于目前存儲和計算模式與能力不能滿足存儲與處理現(xiàn)有數(shù)據(jù)集規(guī)模的需求而產(chǎn)生的相對概念。大數(shù)據(jù)平臺的設計大數(shù)據(jù)分布式存儲系統(tǒng): 研究大規(guī)模、非結(jié)構(gòu)化數(shù)據(jù)的存儲問題,突破大數(shù)據(jù)的存儲、管理和高效訪問關(guān)鍵技術(shù)平臺層高可擴展性大數(shù)據(jù)挖掘算法:基于云計算的分布式大數(shù)據(jù)處理與挖掘算法,構(gòu)建高可擴展的大數(shù)據(jù)處理與挖掘算法庫功能層基于 Web 的大數(shù)據(jù)挖掘技術(shù):Web 的大數(shù)
2、據(jù)挖掘方法和流程,實現(xiàn)易于使用的基于Web 的大數(shù)據(jù)挖掘技術(shù),構(gòu)建基于 Web 的大數(shù)據(jù)分析環(huán)境。 服務層PART TWO數(shù)據(jù)挖掘算法分類數(shù)據(jù)挖掘 大數(shù)據(jù)的挖掘是從海量、不完全的、有噪聲的、模糊的、隨機的大型數(shù)據(jù)庫中發(fā)現(xiàn)隱含在其中有價值的、潛在有用的信息和知識的過程,也是一種決策支持過程。 大數(shù)據(jù)的挖掘常用的方法有分類、回歸分析、聚類、關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡方法、Web 數(shù)據(jù)挖掘等。這些方法從不同的角度對數(shù)據(jù)進行挖掘。數(shù)據(jù)挖掘算法分類 找出數(shù)據(jù)庫中的一組數(shù)據(jù)對象的共同特點并按照分類模式將其劃分為不同的類,其目的是通過分類模型,將數(shù)據(jù)庫中的數(shù)據(jù)項映射到摸個給定的類別中。分類 反映了數(shù)據(jù)庫中數(shù)據(jù)的屬性
3、值的特性,通過函數(shù)表達數(shù)據(jù)映射的關(guān)系來發(fā)現(xiàn)屬性值之間的依賴關(guān)系?;貧w分析 針對數(shù)據(jù)的相似性和差異性將一組數(shù)據(jù)分為幾個類別。屬于同一類別的數(shù)據(jù)間的相似性很大,但不同類別之間數(shù)據(jù)的相似性很小,跨類的數(shù)據(jù)關(guān)聯(lián)性很低。聚類數(shù)據(jù)挖掘算法分類 隱藏在數(shù)據(jù)項之間的關(guān)聯(lián)或相互關(guān)系,即可以根據(jù)一個數(shù)據(jù)項的出現(xiàn)推導出其他數(shù)據(jù)項的出現(xiàn)。關(guān)聯(lián) 一種先進的人工智能技術(shù),具有自行處理、分布存儲和高度容錯等特性。非常適合處理非線性的以及那些以模糊、不完整、不嚴密的知識或數(shù)據(jù)。神經(jīng)網(wǎng)絡 Web 從文檔結(jié)構(gòu)和使用的集合C 中發(fā)現(xiàn)隱含的模式P,如果將C看做是輸入,P 看做是輸出,那么Web 挖掘過程就可以看做是從輸入到輸出的一個
4、映射過程。Web數(shù)據(jù)挖掘PART THREE經(jīng)典算法簡介ID3算法 決策樹決策樹是一種依托決策而建立起來的一種樹。在機機器學習器學習中,決策樹是一種預測模型,代表的是一種對象屬性與對象值之間的一種映射關(guān)系,每一個節(jié)點代表某個對象,樹中的每一個分叉路徑代表某個可能的屬性值,而每一個葉子節(jié)點則對應從根節(jié)點到該葉子節(jié)點所經(jīng)歷的路徑所表示的對象的值。決策樹僅有單一輸出,如果有多個輸出,可以分別建立獨立的決策樹以處理不同的輸出。ID3算法 ID3算法是決策樹的一種,它是基于奧卡姆剃刀原理的,即用盡量用較少的東西做更多的事。在信息論中,期望信息越小,那么信息增益就越大,從而純度就越高。ID3算法的核心思想
5、就是以信息增益來度量屬性的選擇,選擇分裂后信息增益最大的屬性進行分裂。該算法采用自頂向下的貪婪搜索遍歷可能的決策空間。ID3算法ID3算法ID3算法C4.5算法C4.5相比于ID3改進的地方有: 1、用信息增益率來選擇屬性。 2、在樹構(gòu)造過程中進行剪枝,在構(gòu)造決策樹的時候,那些掛著幾個元素的節(jié)點,不考慮最好,不然容易導致overfitting。 3、對非離散數(shù)據(jù)也能處理。 4、能夠?qū)Σ煌暾麛?shù)據(jù)進行處理。K-Means算法 K-Means算法是聚類算法,k在在這里指的是分類的類型數(shù),所以在開始設定的時候非常關(guān)鍵,算法的原理是首先假定k個分類點,然后根據(jù)歐式距離計算分類,然后取同分類的均值作為新的聚簇中心,循環(huán)操作直到收斂。K-Means算法Apriori 關(guān)聯(lián)關(guān)聯(lián)算算法法 Apriori算法學習數(shù)據(jù)的關(guān)聯(lián)規(guī)則(association rules),適用于包含大量事務(transcation)的數(shù)據(jù)庫。 關(guān)聯(lián)規(guī)則學習是學習數(shù)據(jù)庫中不同變量中的相互關(guān)系的一種數(shù)據(jù)挖掘技術(shù)。Apriori 關(guān)聯(lián)關(guān)聯(lián)算算法法基本的 Apriori 算法有三步: 1、參與:掃描一遍整個數(shù)據(jù)庫,計算1-itemsets 出現(xiàn)的頻率。 2、剪枝:滿足支持度和可信度的這些1-itemsets移動到
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 廣西二級建造師安全b證考試試題及答案
- 公司法律面試題及答案
- 工考計算機試題及答案
- 計算機二級MySQL視圖與數(shù)據(jù)控制試題及答案
- 財務成本管理通關(guān)秘籍試題與答案
- 法律資格考試試題及答案
- 常用庫應用Python試題及答案
- 法律知識競賽試題及答案
- 法律英語閱讀試題及答案
- 計算機一級Msoffice學習資源與應用試題及答案
- 非遺扎染創(chuàng)新創(chuàng)業(yè)計劃書
- 超星爾雅學習通《先秦諸子導讀(浙江大學)》2025章節(jié)測試附答案
- 江蘇社工考試試題及答案
- 2025年勞務合同模板電子版簡短一點
- 二級建造師繼續(xù)教育題庫(帶答案)
- 市場監(jiān)管投訴舉報培訓
- 《新能源乘用車二手車鑒定評估技術(shù)規(guī)范 第1部分:純電動》
- 課題申報參考:西藏地方與祖國關(guān)系史融入當?shù)馗咝!爸腥A民族共同體概論”課教學研究
- 【MOOC】《C++程序設計基礎》(華中科技大學)章節(jié)作業(yè)中國大學慕課答案
- 《南方航空公司匯率風險管理策略案例分析》
- 病房心臟驟停應急演練
評論
0/150
提交評論