分类和预测 2
来源:互联网 发布:动态规划最短路径java 编辑:程序博客网 时间:2024/05/02 03:10
预测是构造和使用模型评估无样本类,或评估给定样本可能具有的属性或值空间。
预测和分类的异同
1. 相同点
两者都需要构建模型
都用模型来估计未知值
预测当中主要的估计方法是回归分析
线性回归和多元回归
非线性回归
2. 不同点
分类法主要是用来预测类标号(分类属性值)
预测法主要是用来估计连续值(量化属性值)
1. 评估分类法的准确性
导出分类法后,再使用训练数据评估分类法,可能错误的导致乐观的估计保持方法:
给定数据随机划分为2个集合,训练集(2/3)和测试集(1/3)
训练集导出分类法,测试集对其准确性进行评估
随机子选样:保持方法的一个变形,将保持方法重复k次,然后取准确率的平均值
k-折交叉确认
初始数据被划分为k个不相交的,大小大致相同的子集S1, S2, Sk
进行k次训练和测试,第i次时,以Si做测试集,其他做训练集
准确率为k次迭代正确分类数除以初始数据集样本总数
2. 提高分类法的准确性
Bagging技术和boosting技术都通过将T个学习得到的分类法C1, C2, ..., CT组合起来,从而创造一个改进的分类法C*
Bagging技术
对训练集S进行T次迭代,每次通过放回取样选取样本集St,通过学习St得到分类法Ct
对于未知样本X,每个分类法返回其类预测,作为一票
C*统计得票,并将得票最高的预测赋予X
Boosting技术
每个训练样本赋予一个权值
Ct的权值取决于其错误率
- 分类和预测 2
- 分类和预测
- 分类和预测概述
- K邻近(KNN)分类和预测算法
- A分类和预测算法的评估
- 数据挖掘——之分类和预测总结
- 预测建模、监督机器学习和模式分类概览
- 预测建模、监督机器学习和模式分类
- 数据挖掘笔记:分类和预测,判定树
- 数据挖掘笔记:分类和预测bayes,svm等
- 决策树分类和预测算法的原理及实现
- 朴素贝叶斯分类和预测算法的原理及实现
- 决策树分类和预测算法的原理及实现
- 决策树分类和预测算法的原理及实现
- GBDT决策树集成学习残差预测和分类
- 机器学习之决策树分类和预测算法原理
- LibSVM数据分类预测
- 分类与预测
- 颜色代码
- 常见的四种布局使用及其中常用控件属性
- C#iphone UITextField 的使用
- 设计模式学习总结-创建型模式
- POJ1330 Nearest Common Ancestors
- 分类和预测 2
- hdu 4070War——11年福州网络赛水题
- .net程序员安全注意代码及服务器配置
- SQLite使用简介
- 你会写几种swap函数?
- get_the_category函数获取当前文章分类数据
- 常见Adapter
- C标签
- hdu 4068 SanguoSHA——11年福州网络赛水题