数据挖掘的原理与方法

数据挖掘的原理与方法袁博目录CONTENTS01分类问题02聚类及其它数据挖掘03隐私保护与并行计算04迷雾重重01分类问题01分类问题把具有某种共同属性或特征的数据并在一起，通过其类别的属性或特征来对数据进行区别。分类问题交叉验证用于评估模型的预测性能01分类问题01分类问题混淆矩阵（误差矩阵）真实值是positive，模型认为是positive的数量（TruePositive=TP）真实值是positive，模型认为是negative的数量（FalseNegative=FN）：这就是统计学上的第一类错误（TypeIError）真实值是negative，模型认为是positive的数量（FalsePositive=FP）：这就是统计学上的第二类错误（TypeIIError）真实值是negative，模型认为是negative的数量（TrueNegative=TN）01分类问题ROC曲线理想情况下，TP应该接近1，FP应该接近0。比如Threshold最大时TP=FP=0，对应于原点；Threshold最小时，TN=FN=0，对应于右上角的点(1,1)01分类问题02聚类及其它数据挖掘问题02聚类分类按照某种标准给对象贴标签，再根据标签来区分归类聚类事先没有“标签”,而通过某种成团分析找出事物之间存在聚集性原因的过程。02分层聚类02聚类关联规则数据挖掘技术---线性回归线性回归聚类Garbageinputgarbageoutput输入垃圾输出垃圾03隐私保护与并行计算03隐私保护与并行计算03隐私保护与并行计算03隐私保护与并行计算随机问卷题目数据+算法+计算平台宏观做数据挖掘怎么做？04迷雾重重看待问题一定要全面，一定要从不同的层次，不同的角度综合来考虑。谢谢观看！