目录 5.1.1 实现步骤 5.1.2 常用分类预测算法: 5.1.3 回归分析 1. logistic回归分析介绍: 2. 决策树: 3. 人工神经网络ANN 4. 分类预测算法评价 测试集效果评价指标:: 总结: |
5.挖掘建模 5.1 分类与预测 5.1.1 实现步骤分类: 输入样本的属性值,输出对应的类别,将每个样本映射到预先定义好的类别 预测: 建立两种或以上的变量间互相依赖的函数模型,然后进行预测或者控制 实现:
5.1.2 常用分类预测算法:
5.1.3 回归分析包含:
1. logistic回归分析介绍:2. 决策树:
3. 人工神经网络ANN
4. 分类预测算法评价 测试集效果评价指标::
|
算法 | 描述 |
回归分析 | 确定属性与其他变量之间相互依赖关系的最常用统计模型,包括:线性回归,非线性回归,logistic回归,ridge回归,lasso回归,主成分回归,偏最小二乘回归 |
决策树 | 自顶向下的递归方式,在内部节点进行属性值比较,根据不同的属性值从该节点向下分支,得到最终也节点的学习划分的类 |
人工神经网络 | 模仿大脑圣经网络结构和功能而建立的信息处理系统,表示神经网络的输入输出之间的关系模型 |
贝叶斯网络 | 信度网络,bayes方法的扩展,目前不确定知识表达和推理领域的最有效模型之一 |
支持向量机 | 通过某种非线性映射,把低维度的非线性转换为高维的线性可分问题,在高位空间进行线性分析的方法 |