intTypePromotion=1

Bài giảng Chương 4: Phân loại dữ liệu

Chia sẻ: Lavie Lavie | Ngày: | Loại File: PDF | Số trang:56

0
113
lượt xem
10
download

Bài giảng Chương 4: Phân loại dữ liệu

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Chương 4: Phân loại dữ liệu trình bày tổng quan về phân loại dữ liệu, phân loại dữ liệu với cây quyết định, phân loại dữ liệu với mạng Bayesian, phân loại dữ liệu với mạng Neural, các phương pháp phân loại dữ liệu khác.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Chương 4: Phân loại dữ liệu

Khoa Khoa Học & Kỹ Thuật Máy Tính<br /> Trường Đại Học Bách Khoa Tp. Hồ Chí Minh<br /> <br /> Chương 4: Phân loại dữ liệu<br /> Cao Học Ngành Khoa Học Máy Tính<br /> Giáo trình điện tử<br /> Biên soạn bởi: TS. Võ Thị Ngọc Châu<br /> (chauvtn@cse.hcmut.edu.vn)<br /> Học kỳ 1 – 2011-2012<br /> <br /> 1<br /> <br /> 1<br /> <br /> Tài liệu tham khảo<br /> [1] Jiawei Han, Micheline Kamber, “Data Mining: Concepts and<br /> Techniques”, Second Edition, Morgan Kaufmann Publishers, 2006.<br /> [2] David Hand, Heikki Mannila, Padhraic Smyth, “Principles of Data<br /> Mining”, MIT Press, 2001.<br /> [3] David L. Olson, Dursun Delen, “Advanced Data Mining<br /> Techniques”, Springer-Verlag, 2008.<br /> [4] Graham J. Williams, Simeon J. Simoff, “Data Mining: Theory,<br /> Methodology, Techniques, and Applications”, Springer-Verlag, 2006.<br /> [5] Hillol Kargupta, Jiawei Han, Philip S. Yu, Rajeev Motwani, and<br /> Vipin Kumar, “Next Generation of Data Mining”, Taylor & Francis<br /> Group, LLC, 2009.<br /> [6] Daniel T. Larose, “Data mining methods and models”, John Wiley<br /> & Sons, Inc, 2006.<br /> [7] Ian H.Witten, Eibe Frank, “Data mining : practical machine<br /> learning tools and techniques”, Second Edition, Elsevier Inc, 2005.<br /> [8] Florent Messeglia, Pascal Poncelet & Maguelonne Teisseire,<br /> “Successes and new directions in data mining”, IGI Global, 2008.<br /> [9] Oded Maimon, Lior Rokach, “Data Mining and Knowledge<br /> Discovery Handbook”, Second Edition, Springer Science + Business<br /> Media, LLC 2005, 2010.<br /> <br /> 2<br /> <br /> 2<br /> <br /> Nội dung<br /> Chương 1: Tổng quan về khai phá dữ liệu<br /> Chương 2: Các vấn đề tiền xử lý dữ liệu<br /> Chương 3: Hồi qui dữ liệu<br /> Chương 4: Phân loại dữ liệu<br /> Chương 5: Gom cụm dữ liệu<br /> Chương 6: Luật kết hợp<br /> Chương 7: Khai phá dữ liệu và công nghệ cơ sở<br /> dữ liệu<br /> Chương 8: Ứng dụng khai phá dữ liệu<br /> Chương 9: Các đề tài nghiên cứu trong khai phá<br /> dữ liệu<br /> Chương 10: Ôn tập<br /> <br /> 3<br /> <br /> 3<br /> <br /> Chương 4: Phân loại dữ liệu<br /> 4.1. Tổng quan về phân loại dữ liệu<br /> 4.2. Phân loại dữ liệu với cây quyết định<br /> 4.3. Phân loại dữ liệu với mạng Bayesian<br /> 4.4. Phân loại dữ liệu với mạng Neural<br /> 4.5. Các phương pháp phân loại dữ liệu<br /> khác<br /> 4.6. Tóm tắt<br /> 4<br /> <br /> 4<br /> <br /> 4.0. Tình huống 1<br /> Tid Refund<br /> <br /> Marital<br /> Status<br /> <br /> Taxable<br /> Evade<br /> Income<br /> <br /> 1<br /> <br /> Yes<br /> <br /> Single<br /> <br /> 125K<br /> <br /> No<br /> <br /> 2<br /> <br /> No<br /> <br /> Married<br /> <br /> 100K<br /> <br /> No<br /> <br /> 3<br /> <br /> No<br /> <br /> Single<br /> <br /> 70K<br /> <br /> No<br /> <br /> 4<br /> <br /> Yes<br /> <br /> Married<br /> <br /> 120K<br /> <br /> No<br /> <br /> 5<br /> <br /> No<br /> <br /> Divorced 95K<br /> <br /> Yes<br /> <br /> 6<br /> <br /> No<br /> <br /> Married<br /> <br /> No<br /> <br /> 7<br /> <br /> Yes<br /> <br /> Divorced 220K<br /> <br /> No<br /> <br /> 8<br /> <br /> No<br /> <br /> Single<br /> <br /> 85K<br /> <br /> Yes<br /> <br /> 9<br /> <br /> No<br /> <br /> Married<br /> <br /> 75K<br /> <br /> No<br /> <br /> 10<br /> <br /> No<br /> <br /> Single<br /> <br /> 90K<br /> <br /> Yes<br /> <br /> 60K<br /> <br /> Ông A (Tid = 100)<br /> có khả năng trốn<br /> thuế???<br /> <br /> 10<br /> <br /> 5<br /> <br /> 5<br /> <br />
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2