數(shù)據(jù)挖掘原理與SPSS Clementine應(yīng)用寶典第7章 貝葉斯分析_第1頁
數(shù)據(jù)挖掘原理與SPSS Clementine應(yīng)用寶典第7章 貝葉斯分析_第2頁
數(shù)據(jù)挖掘原理與SPSS Clementine應(yīng)用寶典第7章 貝葉斯分析_第3頁
數(shù)據(jù)挖掘原理與SPSS Clementine應(yīng)用寶典第7章 貝葉斯分析_第4頁
數(shù)據(jù)挖掘原理與SPSS Clementine應(yīng)用寶典第7章 貝葉斯分析_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

數(shù)據(jù)挖掘原理與數(shù)據(jù)挖掘原理與spss clementine應(yīng)用寶典應(yīng)用寶典 元昌安元昌安 主編主編 鄧松李文敬劉海濤編著鄧松李文敬劉海濤編著 電子工業(yè)出版社電子工業(yè)出版社 l貝葉斯分類的基本過程 l樸素貝葉斯分類 l貝葉斯信念網(wǎng)絡(luò) 貝葉斯分類方法基于貝葉斯定理進行分類，一般 分為以下兩個步驟： （1）建立分類模型，描述預(yù)定的數(shù)據(jù)類集或概念集。 通過分析有屬性描述的數(shù)據(jù)集中的屬性來構(gòu)造貝 葉斯分類模型 （2）使用建立的分類模型對新的數(shù)據(jù)集進行劃分， 主要考慮分類規(guī)則的準確性、矛盾劃分的取舍等。 一個好的分類規(guī)則集合應(yīng)該是對新的數(shù)據(jù)集而言 具有很高的準確性、盡可能少的矛盾劃分和較少 的規(guī)則集。 根據(jù)類屬性的不同有不同的計算方法： l離散屬性的條件概率計算： l連續(xù)屬性的條件概率計算 樸素貝葉斯分類提供了兩種辦法用來估計連續(xù)屬性 的條件概率： (1)將連續(xù)屬性離散化，使用離散區(qū)間來代理連續(xù)屬 性 (2)利用概率分布函數(shù)進行計算

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論