随笔分类 - 数据挖掘
R语言 数据挖掘
摘要：神经网络是一种模拟人类大脑工作方式的计算模型。它由神经元组成，这些神经元相互连接形成网络。每个连接都有一个权重，而神经元则通过激活函数处理输入并生成输出。神经网络可以分为输入层、隐藏层和输出层。在训练过程中，神经网络通过调整权重来学习模式和特征，使其能够进行预测或分类任务。这种学习过程通常依赖于反向
阅读全文
摘要：关联规则分析算法是一种用于挖掘数据集中项之间关系的技术，它可以揭示数据中的潜在模式和趋势。这种算法的核心思想是寻找数据集中频繁出现的组合，从而推断它们之间的关联关系。其中，Apriori算法是关联规则分析的代表之一。Apriori算法的基本原理是利用"先验原理"，即如果一个项集是频繁的，那么它的所有
阅读全文
摘要：决策树算法是一种在机器学习和数据挖掘领域广泛应用的强大工具，它模拟人类决策过程，通过对数据集进行逐步的分析和判定，最终生成一颗树状结构，每个节点代表一个决策或一个特征。决策树的核心思想是通过一系列问题将数据集划分成不同的类别或值，从而实现对未知数据的预测和分类。这一算法的开发灵感源自人类在解决问题时
阅读全文
摘要：系统聚类是一种将对象或数据按照其相似性进行分组的方法。与传统聚类方法不同，系统聚类通过构建一颗层次树（或称为树状图或谱系图）来展现数据的层次结构。在系统聚类中，数据点最初被视为单独的簇，然后通过逐步合并或分裂，形成一个层次结构的聚类结果。这种层次结构可用于分析数据的不同层次的相似性关系。系统聚类常用
阅读全文
摘要：聚类就是将一个庞杂数据集中具有相似特征的数据自动归类到一起，称为一个簇，簇内的对象越相似，聚类的效果越好。“相似”这一概念，是利用距离标准来衡量的，我们通过计算对象与对象之间的距离远近来判断它们是否属于同一类别，即是否是同一个簇。聚类是一种无监督的学习(Unsupervised Learning)方
阅读全文
摘要：朴素贝叶斯算法是机器学习中基于贝叶斯定理的一种分类方法。该方法实际上是一种生成模型，它通过分析数据中的各种属性之间的关系来确定不同分类的概率。在朴素贝叶斯算法中，我们先计算出每个分类的先验概率，然后通过给定的属性值计算每种分类的后验概率，最终选择拥有最高后验概率的分类作为其预测结果。 收集北京地区两
阅读全文
摘要：在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法，比如决策树，KNN，逻辑回归，支持向量机等，他们都是判别方法，也就是直接学习出特征输出和特征之间的关系，要么是决策函数，要么是条件分布。但是朴素贝叶
阅读全文
摘要：朴素贝叶斯算法（Naive Bayes, NB) 是应用最为广泛的分类算法之一，它是基于贝叶斯定义和特征条件独立假设的分类器方法。朴素贝叶斯法基于贝叶斯公式计算得到，有着坚实的数学基础，以及稳定的分类效率；NB模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单，当年的垃圾邮件分类都是基于朴素
阅读全文
摘要：决策是理性人普遍从事的一种活动，也是极为重要的制胜手段。它的核心是对未来活动的多个目标及用途做出合理的选择，以寻求最满意的行动方案。决策具有以下特点：①面对新问题和新任务做出科学决定，属于创造性的管理活动；②必须对实际行为有直接的指导作用；③具有多因素、多目标、不确定性与方案的多样性，以及决策影响的
阅读全文
摘要：贝叶斯理论是决策领域的一个重要分支，属于风险型决策的范畴。风险型决策的基本方法是将状态变量看成随机变量，用先验分布表示状态变量的概率分布，用期望值准则计算方案的满意程度。但是在日常生活中，先验分布往往存在误差，为了提高决策质量，需要通过市场调查来收集补充信息，对先验分布进行修正，然后用后验分布来决策
阅读全文
摘要：关联分析又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。或者说，关联分析是发现交易数据库中不同商品（项）之间的联系。关联分析是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性
阅读全文
摘要：生物神经网络主要是指人脑的神经网络，它是人工神经网络的技术原型。人脑是人类思维的物质基础，思维的功能定位在大脑皮层，后者含有大约10^11个神经元，每个神经元又通过神经突触与大约103个其它神经元相连，形成一个高度复杂高度灵活的动态网络。作为一门学科，生物神经网络主要研究人脑神经网络的结构、功能及其
阅读全文
摘要：决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。分类树（决策树）是一种十分常用的分类方法。它是一种监督学习，所谓监督学习就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新
阅读全文
摘要：聚类就是按照某个特定标准把一个数据集分割成不同的类或簇，最后的结果是希望同类之间的差异性尽可能小，不同类之间的差异性尽可能大。不同的类具有能够表达异于其他类的指标，这样针对不同的类，后续就能采取不一样的处理手段。聚类的应用场景的比较多，比如建立客户画像、商品聚类、离群值检验等等；与分类算法不一样，聚
阅读全文
