决策树,分类,聚类.doc

《决策树,分类,聚类.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、决策树课本3.5.5通过聚类、决策树和相关分析离散化P76课本8.2决策树归纳P213决策树归纳属性选择度量（决策树和熵度量）树剪枝可伸缩性与决策树归纳决策树归纳的可视化挖掘课本8.4.2由决策树提取规则P231（所提取的每个规则之间蕴含着逻辑or关系）-有例题PPT5-31页到32页31页：如何生成规则32页：归纳决策树的基本算法（贪婪的，自顶向下的重复分治法）PPT5-38页到43页38页：使用增益率构造决策树40页：使用Gini指标归纳决策树43页：由决策树提取分类规则分类课本第八章分类的基本概念P211基本概

2、念决策树归纳贝叶斯分类方法基于规则的分类模型评估与选择提高分类准确率的技术课本第九章分类的高级方法P255贝叶斯信念网络用后向传播分类支持向量机使用频繁模式分类惰性学习法其他分类方法关于分类的其它问题课本1.4.3用于预测分析的分类与回归课本12.6基于分类的方法P368（离群点检测）PPT5分类第2页：分类基础分类过程分类算法KNN，决策树，神经网络分类评估分类高级第57页：每个分类器Mi独立预测M*返回多数投票第58页：Boosting第59页：随机森林聚类课本1.4.4聚类分析P13（原则：最大化类内相似性，最

3、小化类间相似性）课本3.4.7聚类（聚类臭样即“簇抽样”-倒数第二段）课本第十章聚类分析：基本概念和方法课本第十一章高级聚类分析课本12.5基于聚类的方法PPT122页聚类抽样（见上面课本3.4.7）PPT6聚类什么是聚类分析聚类分析的几种方法聚类分析的一般准备相似度/相异度K-means方法停止条件K-means问题层次聚类类间距离层次聚类问题基于密度的聚类密度可达和密度相连DBSCAN