第五章

Preview:

DESCRIPTION

第五章. 分類規則法. 本章大綱. 第一節 分類規則法的概念 第二節 決策樹歸納法 第三節 貝氏分類 第四節 其他分類規則法. 第一節 分類規則法的概念. 何謂分類規則法 分類規則法技術的分類. 何謂分類規則法. 分類法 (Classification) 是針對欲處理且未分類的資料集合,根據已知類別 (Class) 的物件 (Instance) 集合,將欲處理資料依據其屬性 (Attributes) 去完成分類的過程,並冀望能學習分類的規則,提供未來能自動分類之用。. 圖 5.1 建立分類規則與分類器. - PowerPoint PPT Presentation

Citation preview

  • (Classification)(Class)(Instance)(Attributes)

  • 5.1

    Vm

    mW

    ~

    u

    p

    Bpo

    pj

    jp

    Uz

    Uz

    1

    7

    5

    6

    O

    _

    _

    O

    t k

    IF = OR ~ > 5THEN u = O

  • 5.2

    s

    u = O

    mW

    ~

    u

    LpB

    Pp_

    ]p

    pD

    Uz

    3

    6

    4

    8

    O

    _

    O

    O

    ( dp , , 3 )

  • (Semantic Tree)(Root)(Node)(Leaf)IF-THEN(Branch)

  • (c2) (Nodes)(Edges) (Condition Probability Tables)

  • (c3) k-

  • 5.3

    NameTitle

    NameTitle

    NameTitle

    NameTitle

    NameTitle

    NameTitle

    Team Title

    Company Name

    Name

    Company NameDepartment Name

    Whk

    M

    /s

    ID3

    C.45

    CART

    LN

    @vt

    pXvt

    CHAID

    H

    K-Fk

    kX

    g

    tk

  • 5.4

    ~ ?

    ?

    u@ ?

    |

    25 - 35

    > 35

    < 25

    |

    |

    |

    |

    O

    O

    S

  • (Information Theory) (1)-(4)

  • (c2)

  • ID3 (Iterative Dichotomizer 3) CART (Classification and Regression Trees)CART CART Gini Ratio

  • (c2)C4.5 ID3(Predicted Error Rate) CHAID (Chi-Square Automatic Interaction Detector)(Chi-Square Test) P (P-Value)PC4.5CART

  • 5.1

  • (Overfitting) (Bias)

  • 5.5

    Vm

    M

    M

    M

    Wh

  • (Pre-Pruning) (Post-Pruning)

  • IF-THEN

  • ( sample space) (Law of Total Probability )

    ( Bayes Rule)

    ( Prior Probability) ( Sample Probability) ( Posterior Probability)

  • Naive Bayesian Classification

  • Bayesian Belief Network

  • 5.8

  • 31~45

  • 5.3

  • k-

  • Case-based ReasoningCBRCBR

  • 5.10

    ^

    w

    A

    s

    s

  • k-k-Nearest Neighbor ClassifiersK-NN Classifiersk-Pattern Recognition

  • 5.11 K-NN (K = 4) TSi()fiW ii

    T

    S

  • (Lotfi A. Zadeh)1965

  • (c2)A X xX A(x)[0,1]x A A(x)A (Mapping)AAX[0,1]xA(x), xX1008060500{100/1,80/0.8,60/0.6,50/0.4,0/0}100100

  • 5.15

    1

    2

    3

    n-1

    n

    x

    x

    x

    x

    x

    Xh

    h

    Jh

    1

    2

    3

    m-1

    m

    y

    y

    y

    y

    y

    1

    W

    V

    11

    11

    z

    V

    q

    qn

    mq

    W

    z

    ~t

  • Genetic AlgorithmGA1975John Holland

  • (c2)PopulationChromosomesGenesSelectionReproductionCrossoverMutation

  • 5.17

  • 5.18

    l s

    V i t

    t l N i

    d O _

    t V

    VA{

    _

    O

  • (c2)(1)(2)(3) ID3CARTC4.5CHAID

  • (c3)IF-THEN

  • (c4)

  • (c5) k-

  • (c6)

  • (c7)