|
本文对数据挖掘中，极为常见的两类算法：分类与聚类，做个梳理。 首先，来看看分类和聚类各自的一些定义描述。 分类(classification )： 分类算法需要学习，它通过学习找出描述并区分数据类的模型，以将模型应用于预测标记未知的对象类。即从历史数据纪录中通过学习，自动推导出对给定数据的推广描述，从而能对未来数据进行预测。 分类的目的产出，是一个分类函数或分类模型，亦称分类器，可以把数据库中的数据项映射到预设类别其中一个。 分类器通过训练样本数据集来构造。训练集由一组元组构成，每个元组是一个若干字段（又称属性或特征）值组成的特征向量，并包含有一个类别标记。一个具体样本的形式可表示为：（V1,V2,…,Vn; c）；其中Vi表示字段值，c表示类别。 常见分类器的构造方法有决策树、贝叶斯、ANN等。 可通过一下标准来对分类效果进行评估： 1）准确率。模型正确地预测新样本的类标号的能力； 2）计算速度。包括构造模型以及使用模型进行分类的时间； 3）强壮性。模型对噪声数据或空缺值数据正确预测的能力； 4）可伸缩性。对于数据量很大的数据集，有效构造模型的能力； 5）模型描述的简洁性和可解释性。模型描述愈简洁、愈容易理解，则愈受欢迎。 预测准确度是用得最多的一种比较尺度，特别是对于预测型分类任务。而对于描述型的分类任务，模型描述越简洁越受欢迎。 另外，分类的效果会样本的特点有关，有的数据噪声大，有的有空缺值，
|