Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Giới thiệu
Đăng ký
Đăng nhập
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
Giới thiệu
Đăng ký
Đăng nhập
0
Trang chủ
Công Nghệ Thông Tin
Cơ sở dữ liệu
Bài giảng Khai phá dữ liệu: Bài 5 - TS. Trần Mạnh Tuấn
Đang chuẩn bị liên kết để tải về tài liệu:
Bài giảng Khai phá dữ liệu: Bài 5 - TS. Trần Mạnh Tuấn
Quang Sáng
93
49
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Bài giảng Khai phá dữ liệu: Bài 5 Phân lớp dữ liệu cung cấp cho người học những kiến thức như: Tổng quan; Các phương pháp phân lớp dữ liệu. Mời các bạn cùng tham khảo! | KHAI PHÁ DỮ LIỆU Bài 5. Phân lớp dữ liệu Giáo viên TS. Trần Mạnh Tuấn Bộ môn Hệ thống thông tin Khoa Công nghệ thông tin Email tmtuan@tlu.edu.vn Điện thoai 0983.668.841 1 Nội dung Tổng quan Các phương pháp phân lớp dữ liệu 2 Tổng quan 3 Tổng quan 4 Tổng quan 5 Tổng quan 6 Tổng quan Phân lớp dữ liệu Data classification là xếp đối tượng DL vào một trong các lớp đã được xác định trước. Phân lớp gồm 2 bước B ư ớ c 1 Xây dựng mô hình B ư ớ c 2 Vận hành mô hình. 7 Tổng quan Quy trình phân lớp B1 xây dựng mô hình Mô tả tập các lớp xác định trước Tập học huấn luyện các mẫu dành cho xây dựng mô hình. Mỗi mẫu thuộc về 1 lớp đã định nghĩa trước. Tìm luật phân lớp cây quyết định hoặc công thức toán mô tả lớp. B2 Vận hành mô hình Phân lớp các đối tượng chưa biết Xác định độ chính xác của mô hình sử dụng tập dữ liệu kiểm tra độc lập. Độ chính xác chấp nhận được - gt áp dụng mô hình để phân lớp các mẫu chưa xác định được nhãn lớp. 8 Tổng quan 9 Tổng quan 1 0 Tổng quan 1 1 Tổng quan Xây dựng mô hình Mục tiêu mô tả một tập những lớp đã được định nghĩa trước trong đó mỗi bộ hoặc mẫu sẽ được gán về một lớp đã xác định trước bởi thuộc tính nhãn lớp. Tập hợp những bộ được dùng để xây dựng mô hình được gọi là tập dữ liệu học gọi tắt là tập học . Mô hình được biểu diễn dưới dạng luật phân lớp cây quyết định hoặc công thức toán học 1 2 Tổng quan Xây dựng mô hình 1 3 Tổng quan Vận hành mô hình Mục đích là xác định lớp của dữ liệu trong tương lai hoặc phân lớp những đối tượng chưa biết. Trước khi vận hành mô hình cần đánh giá độ chính xác của mô hình trong đó các mẫu kiểm tra đã biết được lớp được đem so sánh với kết quả phân lớp của mô hình. Độ chính xác là phần trăm của số mẫu kiểm tra được phân lớp đúng. Tập kiểm tra và tập học là hai tập độc lập với nhau. 14 Tổng quan Vận hành mô hình 15 Tổng quan 16 Tổng quan 17 Một số phương pháp phân lớp Phân lớp bằng cây quyết định Cây quyết định Gồm các nút trong biểu diễn giá trị thuộc tính Các nhánh biểu diễn đầu ra của kiểm tra Nút lá biểu diễn
TÀI LIỆU LIÊN QUAN
Bài giảng Kho dữ liệu và khai phá dữ liệu: Chương 5 - Nguyễn Hoàng Ân
Bài giảng Khai phá quan điểm và khai phá phương tiện xã hội: Chương 5 - PGS.TS. Hà Quang Thụy
Bài giảng Nhập môn khai phá dữ liệu: Chương 5 - PGS. TS. Hà Quang Thụy
Bài giảng Kho dữ liệu và khai phá dữ liệu: Chương 5 - Nguyễn Hoàng Ân (2018)
Bài giảng Khai phá dữ liệu: Bài 5 - TS. Trần Mạnh Tuấn
Bài giảng Khai phá dữ liệu: Chương 5 - TS. Võ Thị Ngọc Châu
Bài giảng Khai phá dữ liệu (Data mining): Chương 5 - Lê Tiến
Bài giảng Kho dữ liệu và kinh doanh thông minh - Chương 5: Khai phá dữ liệu trong kinh doanh (P2)
Bài giảng Kho dữ liệu và kinh doanh thông minh - Chương 5: Khai phá dữ liệu trong kinh doanh
Bài giảng Khai phá dữ liệu - Chương 5: Phân lớp dữ liệu
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.