Содержание
- 2. “Data Mining – это процесс поддержки принятия решений, основанных на поиске в данных скрытых закономерностей. Это
- 3. Задачи интеллектуального анализа данных Задачи ИАД Описательные Ассоциативные правила Кластеризация Классификация Прогнозирование Предсказательные
- 4. Ассоциативные правила Цель задачи поиска ассоциативных правил заключается в обнаружении закономерностей между связанными событиями. Product placement
- 5. Цель метода ассоциативных правил
- 6. Confidence Достоверность (Confidence) показывает, как часто в записях базы данных, содержащих X, одновременно присутствует Y ,
- 7. Lift
- 8. Сравнение Confidence и Lift на примере Конфеты и Вода обладают наибольшей поддержкой, что обеспечивает высокую достоверность
- 9. Алгоритм Apriori 1-элементные наборы 2-элементные наборы Min support = 3% 3-элементные наборы
- 10. Уменьшение числа кандидатов Создание кандидатов – затратная операция, которая может привести к созданию множеств кандидатов, имеющих
- 11. Построение ассоциативных правил на Python
- 12. Построение ассоциативных правил на Python
- 13. Ассоциативные правила (вывод алгоритма Apriori)
- 14. Медицинский набор данных и маркёры атеросклероза ArmsIndex =1, if |ΔSBPa|=| SBPra - SBPla |≥15; else 0
- 15. Python: обработка категориальных признаков
- 16. Python: обработка числовых признаков
- 17. Пример набора правил Классификация правил: Полезные Тривиальные Неочевидные
- 18. Построение обобщенных правил
- 20. Скачать презентацию