数据挖掘的复习资料

《数据挖掘的复习资料》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、1覆盖算法首先寻找一个规则If?thenrecommendation=hardage=young2/8age=pre-presbyopic1/8age=presbyopic1/8spectacleprescription=myope3/12spectacleprescription=hypermetrope1/12astigmatism=no0/12astigmatism=yes4/12tearproductionrate=reduced0/12tearproductionrate=normal4/12选择最大一个比例值4/12，即第7个和最后一个之间任意选一个，建立规则：Ifastigm

2、atism=yesthenrecommendation=hardIfastigmatism=yesand？thenrecommendation=hardage=young2/4age=pre-presbyopic1/4age=presbyopic1/4spectacleprescription=myope3/6spectacleprescription=hypermetrope1/6tearproductionrate=reduced0/6tearproductionrate=normal4/6Ifastigmatism=yesandtearproductionrate=normalthe

3、nrecommendation=hard一个选择条件仅覆盖2个正确的实例，另一个覆盖了3个。因此，在同等条件下，总是选择拥有更大覆盖量的那个规则，所以最终的规则为：Ifastigmatism=yesandtearproductionrate=normalandspectacleprescription=myopethenrecommendation=hard仅包含4个建议使用硬的隐形眼镜情况中的3个。因此，从实例集中删除这3个实例，并且重新开始寻找另一种形式的规则：If?thenrecommendation=hardage=young是作为第一个条件的最佳选择第2个条件的最佳选择是asti

4、gmatism=yes，选择的是1/3（实际上还存在一个相同比例的值）Ifage=youngandastigmatism=yesandtearproductionrate=normalthenrecommendation=hardIfastigmatism=yesandtearproductionrate=normalandspectacleprescription=myopethenrecommendation=hard现在所有的硬的隐形眼镜的实例都已经覆盖了。下一步是用相同的步骤生成软的隐形眼镜的规则。最后生成none类别的规则。2.平滑规则等深：每个箱中的数据个数相等等宽：每个箱的取

5、值区间大小相等用户自定义区间：自己分布数据区间例：假设数据集中客户收入属性income排序后的值（人民币元）：800，1000，1200，1500，1500，1800，2000，2300，2500，2800，3000，3500，4000，4500，4800，5000，对此进行分箱技术，结果为：等深：设定箱子深度为4，分箱后箱1：800，1000，1200，1500箱2：1500，1800，2000，2300箱3：2500，2800，3000，3500箱4：4000，4500，4800，5000等宽：设定箱子宽度为1000元人民币，分箱后箱1：800，1000，1200，1500，1500，

6、1800箱2：2000，2300，2500，2800，3000箱3：3500，4000，4500箱4：4800，5000用户自定义：如果客户收入划分为1000元以下、1000~2000，2000~3000，3000~4000和4000元以上几组，分箱后箱1：800，箱2：1000，1200，1500，1500，1800，2000箱3：2300，2500，2800，3000箱4：3500，4000箱5：4500，4800，5000（1）平均值平滑将同一箱中的数据全部用该箱中数据的平均值替换。等宽：设定箱子宽度为1000元人民币，分箱后箱1：800，1000，1200，1500，1500，18

7、00箱2：2000，2300，2500，2800，3000箱3：3500，4000，4500箱4：4800，5000平滑后箱1：1300，1300，1300，1300，1300，1300箱2：2520，2520，2520，2520，3520箱3：4000，4000，4000箱4：4900，4900（2）边界平滑将同一箱中的数据分别用该箱中最近的边界值替换。（对于箱子中的每一个数据，观察它和箱子两个边界值的距离，用距离较小