Bài giảng Khai phá dữ liệu: Chương 4 - TS. Võ Thị Ngọc Châu

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 /> ‡<br /> ‡<br /> ‡<br /> ‡<br /> ‡<br /> <br /> ‡<br /> ‡<br /> ‡<br /> ‡<br /> <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 /> ‡<br /> <br /> Chương 1: Tổng quan về khai phá dữ liệu<br /> <br /> ‡<br /> <br /> Chương 2: Các vấn đề tiền xử lý dữ liệu<br /> <br /> ‡<br /> ‡<br /> <br /> Chương 3: Hồi qui dữ liệu<br /> Chương 4: Phân loại dữ liệu<br /> <br /> ‡<br /> <br /> Chương 5: Gom cụm dữ liệu<br /> <br /> ‡<br /> <br /> Chương 6: Luật kết hợp<br /> <br /> ‡<br /> <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 /> <br /> ‡<br /> ‡<br /> ‡<br /> <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.<br /> <br /> Tổng quan về phân loại dữ liệu<br /> <br /> ‡ 4.2.<br /> <br /> Phân loại dữ liệu với cây quyết định<br /> <br /> ‡ 4.3.<br /> <br /> Phân loại dữ liệu với mạng Bayesian<br /> <br /> ‡ 4.4.<br /> <br /> Phân loại dữ liệu với mạng Neural<br /> <br /> ‡ 4.5.<br /> <br /> Các phương pháp phân loại dữ liệu<br /> <br /> ‡ 4.6.<br /> <br /> Tóm tắt<br /> <br /> khác<br /> <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 />