数据挖掘学习笔记-分类(1)
2016-07-07 20:06
197 查看
1、定义:分类任务就是通过学习得到一个目标函数(target function)f,把每个属性集x映射到一个预定义的类标号y。目标函数也是分类模型(classification model)
描述性建模:分类模型作为解释性工具,用于却分不同类中的对象。
预测性建模:分类模型用于预测未知记录的类标号,给定一个对象作为输入,输出为该对象的类标号。即分类器
2、分类的学习算法:决策树分类法、基于规则的分类法、神经网络、支持向量机和朴素贝叶斯分类法
3、分类过程:训练集(training set)由类标号已知纪录组成。使用训练集建立分类模型,再对检验集(test set).分类模型的性能根据正确和错误的预测的检验记录技术进行评估,这些技术将放在混淆矩阵(confusion matriex)
![](https://img-blog.csdn.net/20160707195609417?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
![](https://img-blog.csdn.net/20160707200215601?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
准确率=正确预测数/预测总数=(f11+f00)/(f11+f10+f01+f00)
描述性建模:分类模型作为解释性工具,用于却分不同类中的对象。
预测性建模:分类模型用于预测未知记录的类标号,给定一个对象作为输入,输出为该对象的类标号。即分类器
2、分类的学习算法:决策树分类法、基于规则的分类法、神经网络、支持向量机和朴素贝叶斯分类法
3、分类过程:训练集(training set)由类标号已知纪录组成。使用训练集建立分类模型,再对检验集(test set).分类模型的性能根据正确和错误的预测的检验记录技术进行评估,这些技术将放在混淆矩阵(confusion matriex)
准确率=正确预测数/预测总数=(f11+f00)/(f11+f10+f01+f00)
相关文章推荐
- 【基础算法】嵌套矩形
- HummingBad恶意软件(介绍)
- Apache 部署https证书
- Android APP更新——service后台下载、进度提示、自动安装
- 《失控》第一章读书笔记
- MySQL DATE_FORMAT()函数的使用
- CentOS7安装配置redis-3.0.0
- hdu 2860 Regroup 带权并查集
- Java基础学习总结——Java对象的序列化和反序列化
- HDU 5361 最短路变形
- 使用PuTTY时的文件上传下载方法
- lintcode:删除链表中指定元素
- CSS3径向渐变(radial-gradient)
- hdu 4421 Bit Magic【2--Sat----------Tarjan强连通】
- RHCS的整理归纳与实践
- 计算错题率
- 简单分析一下socket中的bind
- 理解python的可变参数
- eclipse在ubuntu16.04新建工程和新建class卡死
- HTML5混编学习笔记:Boxing Model、Selector、specificity、float/postion