資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律學什麼是資料分類？
分類是一種資料探勘方法，用於預測資料例項的團隊成員資格。它是一個兩步過程。第一步，構建一個模型，定義一組預定的資料類或方法。該模型是透過考慮由屬性定義的資料庫元組來開發的。
每個元組都被認為屬於一個預定義的類，由其中一個屬性（稱為類標籤屬性）決定。在分類的框架中，資料元組也稱為樣本、示例或物件。用於開發模型的分析資料元組共同構成訓練資料集。構成訓練集的單個元組被稱為訓練樣本，並從樣本總體中隨機選擇。
由於每個訓練樣本的類標籤都已知，因此此過程也稱為監督學習。在無監督學習中，訓練樣本的類標籤是匿名的，並且要學習的多個類可能事先未知。
學習到的模型以分類規則、決策樹或數值公式的形式描述。例如，給定一個使用者信用資料資料庫，可以學習分類規則以將使用者識別為具有最佳或良好的信用評級。這些規則可用於對未來的資料樣本進行分類，並有助於更好地理解資料庫內容。
留出法是一種簡單的技術，它應用於一組具有類標籤的樣本的測試集。這些樣本是隨機選擇的，並且獨立於訓練樣本。模型在給定測試集上的效率是模型正確分類的測試集樣本的百分比。對於每個測試樣本，將已知的類標籤與學習模型對該樣本的類預測進行比較。
如果模型的效率估計依賴於訓練資料集，則該估計可能過於樂觀，因為學習模型容易過度擬合數據（即，它可能包含了訓練資料中的一些特定異常，而這些異常在整個樣本總體中不存在）。因此，使用測試集。
**學習** - 訓練資料由分類演算法進行分析。因此，類標籤屬性是信用評級，學習到的模型或分類器以分類規則的形式描述。
**分類** - 測試資料用於衡量分類規則的效率。如果效率被認為是可以接受的，則這些規則可用於對新的資料元組進行分類。
更新於: 2021-11-22
408 次瀏覽
廣告