正文內(nèi)容

建構(gòu)整合決策樹(shù)與關(guān)連規(guī)則之資料挖礦架構(gòu)及實(shí)證研究(編輯修改稿)

2026-01-19 16:11 本頁(yè)面

　

【文章內(nèi)容簡(jiǎn)介】 riemen (1984) Quinlan (1986) Quinlin (1993) Hartigan (1975) 處理資料形態(tài) 離散、連續(xù) 離散、連續(xù) 離散、連續(xù) 離散分裂樹(shù) 二元樹(shù) 不受限制不受限制不受限制連續(xù)形資料處理方式分 2枝不受限制不受限制無(wú)法處理分枝準(zhǔn)則 Gini値 Information Gain Gain_Ratio 統(tǒng)計(jì)檢定 (卡方分配 ) 32 二、文獻(xiàn)探討 _決策樹(shù)於事故診斷的相關(guān)研究 ? 表應(yīng)用決策樹(shù)於事故排出之相關(guān)研究研究者實(shí)證對(duì)象使用的演算法 BrahaShmilovici (2023) 半導(dǎo)體黃光區(qū) 鄭人傑 (2023) 晶圓過(guò)站記綠與 CP測(cè)試値 KruskalWallis、卡方交互影響檢測(cè)、變異降低分枝法則劉中光 (2023) 印刷電路板 (PCB) 決策樹(shù)結(jié)合 SOM方法 Raghavan(2023) 良率、 IC ET Test parameter 利用決策樹(shù) (CART、 CHAID) Fan(2023) WAT、 InLine Manufacturing data 決策樹(shù) 蔡智政 (2023) 晶圓批量製程管制 (LPC)資料以 CART決策樹(shù)分析 LPC 李培瑞 (2023) 半導(dǎo)體 WAT資料、 CP資料結(jié)合人工類(lèi)神經(jīng)網(wǎng)路與決策樹(shù) 林鼎浩 (2023) 半導(dǎo)體 WAT與製造相關(guān)資料無(wú)母數(shù) KruskalWallis統(tǒng)計(jì)檢定法 33 三、研究架構(gòu) _問(wèn)題定義 ? 透過(guò)清楚的問(wèn)題定義，瞭解問(wèn)題類(lèi)型包含哪些類(lèi)別，才知道有哪些是屬於關(guān)鍵性的資料。 34 三、研究架構(gòu) _資料選擇 ? 對(duì)領(lǐng)域知識(shí)及問(wèn)題有了基本的認(rèn)識(shí)之後，便是進(jìn)行資料選擇的工作，應(yīng)先對(duì)資料有進(jìn)一步的瞭解，而非將資料盲目的丟進(jìn)模式分析。 ? 資料取得的方式如下表：檔案 (File) 好處是取得快速且閱讀容易，但是一旦建立好以後日後想再做資料處理就不太容易處理，如： Microsoft Excel。關(guān)聯(lián)資料庫(kù) (Relational Databases) 在關(guān)聯(lián)式資料庫(kù)中，透過(guò)查詢(xún)工具語(yǔ)言 (SQL)可以蒐集到想要的資料。資料倉(cāng)儲(chǔ) (Data Warehouse) 資料量通常達(dá)數(shù)百 Mega甚至上 Giga，資料讀取方式是以「切割」的觀念，並非巷資料庫(kù)連結(jié)表格的方式處理 35 三、研究架構(gòu) _資料前置處理 ? 一般資料可分成質(zhì)與量?jī)深?lèi)，質(zhì)的資料又分成空間性與時(shí)間性?xún)煞N，掘取欲分析的資料，並以去蕪存菁的方式轉(zhuǎn)化處理，才能確保分析資料的品質(zhì)和分析結(jié)果的正確性。 ? 資料前置處理的步驟需要不斷學(xué)習(xí)與經(jīng)濟(jì)累積。 ? 資料前置處理形式 ? 資料清理 ? 資料整合 ? 資料轉(zhuǎn)換 ? 資料化約。 36 三、研究架構(gòu) _資料前置處理 ? 資料前置處理通常會(huì)採(cǎi)取的動(dòng)作如下： ? ：對(duì)於資料的基本數(shù)理特性做醫(yī)界面性的檢視，分佈為常態(tài)、非常態(tài)、偏右、偏左等，瞭解資料的長(zhǎng)相與分佈以便做後續(xù)處理。 ? ：對(duì)於散佈在正常分佈外的資料點(diǎn)作出處理，譬如直接刪除還是保留其資訊。 37 三、研究架構(gòu) _資料前置處理 ? ：空白值與缺值所代表的意義並不相同，空白值為無(wú)法填入的資料；缺值則為資料的遺漏或錯(cuò)誤。要?jiǎng)h除該筆資料或者以特殊方式補(bǔ)值，對(duì)於挖礦結(jié)果的解釋會(huì) 有不同的影響，所以頇對(duì)資料有近一步的了解。 ? ：ㄧ般而言高維度的資料計(jì)算複雜，所花費(fèi)的時(shí)間較多，因此維度的降低亦是一種重要的課題。 38 三、研究架構(gòu) _資料前置處理 ? ：資料處理時(shí)，資料的格式轉(zhuǎn)換與其所代表的相對(duì)意義都頇瞭解。資料格式化和轉(zhuǎn)換亦會(huì)挖掘出另ㄧ層意義的結(jié)果。ㄧ般將資料數(shù)字分成四種不同的衡量尺度，名義尺度、順序尺度、區(qū)間尺度、比例尺度衡量。 39 三、研究架構(gòu) _資料前置處理衡量的層次內(nèi)容說(shuō)明舉例名目尺度 (Nominal Scale) 又稱(chēng)類(lèi)別尺度，使用數(shù)字或標(biāo)記區(qū)分物件或事件，此尺度並無(wú)大小之分。機(jī)臺(tái)和貨批的編號(hào)等。順序尺度 (Ordinal Scale) 又稱(chēng)等級(jí)尺度，就ㄧ事務(wù)之某特質(zhì)好壞次序加以排列，有方向次序的比較，但沒(méi)有距離或獨(dú)特的原點(diǎn)。各種 Bin值的分類(lèi)、成績(jī) 區(qū)間尺度 (Interval Scale) 以此尺度表現(xiàn)之變數(shù)，可區(qū)分類(lèi)別及排出大小順序之外，可算出差異之大小。區(qū)間尺度中，零點(diǎn)的位置並非固定的，而且衡量的單位也是任意的。機(jī)臺(tái)的溫度、量測(cè)的參數(shù) 比例尺度 (Ratio Scale) 可說(shuō)出名稱(chēng)、排出順序、算出差距、亦可表示出比例的關(guān)係。比例尺度具有絕對(duì)零度的。化學(xué)藥劑使用量、重量 40 三、研究架構(gòu) _目標(biāo)與顯著變數(shù)的選取 ? 當(dāng)目標(biāo)變數(shù)與署醒確定後，接下來(lái)即確認(rèn)預(yù)測(cè)變數(shù)。為避免加入對(duì)目標(biāo)變數(shù)結(jié)果無(wú)顯著影響的資料，可利用統(tǒng)計(jì)方法檢定預(yù)測(cè)變數(shù)與目標(biāo)變數(shù)是否獨(dú)立。 41 三、研究架構(gòu) _目標(biāo)與顯著變數(shù)的選取 ? 變數(shù)衡量尺度對(duì)應(yīng)之統(tǒng)計(jì)檢定方法：獨(dú)立變數(shù) (Independent Variable) 相依變數(shù)(Dependent Variable) 變數(shù)尺度名目尺度順序尺度區(qū)間尺度名目尺度 ChiSquare ChiSquare ChiSquare 順序尺度 Spearman 積差相關(guān) 區(qū)間尺度 Ttest ANOVA Ttest、ANOVA、 KW(無(wú)母數(shù)方法 ) Pearson相關(guān) Regression 42 三、研究架構(gòu) _目標(biāo)與顯著變數(shù)的選取 ? KW法適用資料分配不符合常態(tài)，或是已確定其為非常態(tài)分佈的情況下，此種檢驗(yàn)對(duì)帄均值差異敏感，可將此方法想像成一個(gè)對(duì)處理帄均相等的檢驗(yàn)。 ? KW Test 其主要步驟如下： ? ，然後以取代觀測(cè)值。 ? 處理 i知下秩的和。 ? 。 ? N為所有觀測(cè)值的數(shù)目 43 三、研究架構(gòu) _ KW法 ? 是第 i個(gè)處理下的觀測(cè)值數(shù)目， N是所有觀測(cè)值的數(shù)目總和 ?????? ???? ? ?? ?KinjijNNRNSi121224)1(11i

點(diǎn)擊復(fù)制文檔內(nèi)容

法律信息相關(guān)推薦

相親、交友與決策樹(shù)-資料下載頁(yè)

【總結(jié)】決策樹(shù)學(xué)習(xí)方法初探——一個(gè)初學(xué)者的視角從我國(guó)的一個(gè)社會(huì)問(wèn)題說(shuō)起?這是一個(gè)–愁壞父親母親–捧紅了江蘇衛(wèi)視–卻樂(lè)壞了馬云（和寶強(qiáng)）–的問(wèn)題從我國(guó)的一個(gè)社會(huì)問(wèn)題說(shuō)起?剩男剩女問(wèn)題引爆的商機(jī)–雙十一的購(gòu)物狂歡–交友婚

2026-02-23 13:15

決策樹(shù)算法-資料下載頁(yè)

【總結(jié)】第七章決策樹(shù)和決策規(guī)則本章目標(biāo)?分析解決分類(lèi)問(wèn)題的基于邏輯的方法的特性.?描述決策樹(shù)和決策規(guī)則在最終分類(lèi)模型中的表述之間的區(qū)別.?介紹.?了解采用修剪方法降低決策樹(shù)和決策規(guī)則的復(fù)雜度.?決策樹(shù)和決策規(guī)則是解決實(shí)際應(yīng)用中分類(lèi)問(wèn)題的數(shù)據(jù)挖掘方法。?一般來(lái)說(shuō)，分類(lèi)是把數(shù)據(jù)項(xiàng)映射到其中一個(gè)事先定義的類(lèi)中的這樣一

2026-01-04 19:47

決策樹(shù)算法及應(yīng)用拓展-資料下載頁(yè)

【總結(jié)】決策樹(shù)算法及應(yīng)用拓展?內(nèi)容簡(jiǎn)介：?概述?預(yù)備知識(shí)?決策樹(shù)生成(BuildingDecisionTree)?決策樹(shù)剪枝(PruningDecisionTree)?捕捉變化數(shù)據(jù)的挖掘方法?小結(jié)概述(一)?傳統(tǒng)挖掘方法的局限性?只重視從數(shù)據(jù)庫(kù)中提取規(guī)則，忽視了庫(kù)中數(shù)據(jù)的變化?挖掘

2026-01-05 19:43

決策樹(shù)分析及spss實(shí)現(xiàn)-資料下載頁(yè)

【總結(jié)】第九章決策樹(shù)分析DecisionTreeAnalysis1決策樹(shù)分析?簡(jiǎn)介?決策樹(shù)基本觀念?三種研究方法?其他決策樹(shù)的變化?決策樹(shù)的優(yōu)、缺點(diǎn)2決策樹(shù)是功能強(qiáng)大且相當(dāng)受歡迎的分類(lèi)和預(yù)測(cè)工具。這項(xiàng)以樹(shù)狀圖為基礎(chǔ)的方法，其吸引人之處在於決策樹(shù)具有規(guī)則，和類(lèi)神經(jīng)網(wǎng)路不同。規(guī)則可以用文字來(lái)表達(dá)

2026-01-05 19:41

決策樹(shù)及隨機(jī)效應(yīng)模型-資料下載頁(yè)

【總結(jié)】決策樹(shù)及隨機(jī)效應(yīng)模型張文超2023/05/07基本概念決策樹(shù)模型的建立決策樹(shù)與判別函數(shù)的比較

2026-01-04 19:35

不良貸款分析決策樹(shù)-決策樹(shù)分析方法運(yùn)用-資料下載頁(yè)

【總結(jié)】不良貸款分析決策樹(shù)─決策樹(shù)分析方法運(yùn)用CBRC─ADB目的?通過(guò)構(gòu)造對(duì)不良貸款數(shù)量分析的決策樹(shù)，掌握決策樹(shù)分析方法?演示的內(nèi)容是對(duì)決策樹(shù)方法論的介紹，練習(xí)者在演練中注意對(duì)方法的總結(jié)，以便推而廣之。計(jì)算指標(biāo)是加深認(rèn)識(shí)的手段，進(jìn)一步的研究可增加更多的分析指標(biāo)和更復(fù)雜的計(jì)算指標(biāo)方法?

2026-02-07 16:57

19決策樹(shù)與隨機(jī)森林-資料下載頁(yè)

【總結(jié)】決策樹(shù)與隨機(jī)森林鄒博北京10月機(jī)器學(xué)習(xí)班ML在線公開(kāi)課第1期2023年1月11日1目標(biāo)任務(wù)與主要內(nèi)容?復(fù)習(xí)信息熵?熵、聯(lián)合熵、條件熵、互信息?決策樹(shù)學(xué)習(xí)算法?信息增益?ID3、、CART?Bagging與隨機(jī)森林的思想

2026-01-10 01:04

決策樹(shù)培訓(xùn)課件-資料下載頁(yè)

【總結(jié)】Clementine的決策樹(shù)1主要內(nèi)容n決策樹(shù)算法概述n從學(xué)習(xí)角度看，決策樹(shù)屬有指導(dǎo)學(xué)習(xí)算法n目標(biāo)：用于分類(lèi)和回歸n分類(lèi)回歸樹(shù)及應(yīng)用nCHAID算法及應(yīng)用nQUEST算法及應(yīng)用n模型的對(duì)比分析2決策樹(shù)算法概述：基本概念n得名其分析結(jié)論的展示方式類(lèi)似一棵倒置的樹(shù)?根節(jié)點(diǎn)?葉節(jié)點(diǎn)?中間節(jié)點(diǎn)?2叉樹(shù)和多叉樹(shù)3決策樹(shù)算法概述

2026-01-03 21:57

決策樹(shù)與模型評(píng)估教材-資料下載頁(yè)

【總結(jié)】第4章分類(lèi)：基本概念、決策樹(shù)與模型評(píng)估分類(lèi)任務(wù)：確定對(duì)象屬于哪個(gè)預(yù)定義的目標(biāo)類(lèi)例子：1、根據(jù)電子郵件的標(biāo)題和內(nèi)容檢查出垃圾郵件。2、根據(jù)星系的形狀對(duì)它們分類(lèi)。螺旋狀的星系橢圓狀的星系分類(lèi)任務(wù)的輸入數(shù)據(jù)是記錄的集合。每條記錄也稱(chēng)實(shí)例或者樣例，用元組（x,y）表示，其中x是屬性

2026-01-05 19:40

8決策樹(shù)與adaboost-資料下載頁(yè)

【總結(jié)】決策樹(shù)、Adaboost北京10月機(jī)器學(xué)習(xí)班鄒博2023年11月1日1復(fù)習(xí)：熵?sqrt(1-4x)exp(-2x),0x1/4?H(Y|X)=H(X,Y)-H(X)?條件熵定義?H(Y|X)=H(Y)-I(X,Y)?根據(jù)互信息定義展開(kāi)得

2026-01-05 07:36

決策樹(shù)與模型評(píng)價(jià)課件-資料下載頁(yè)

【總結(jié)】數(shù)據(jù)挖掘分類(lèi)：基本概念、決策樹(shù)與模型評(píng)價(jià)分類(lèi)：基本概念、決策樹(shù)與模型評(píng)價(jià)?分類(lèi)的是利用一個(gè)分類(lèi)函數(shù)（分類(lèi)模型、分類(lèi)器），該模型能把數(shù)據(jù)庫(kù)中的數(shù)據(jù)影射到給定類(lèi)別中的一個(gè)。分類(lèi)ApplyModelInductionDedu

2026-01-04 19:35

決策樹(shù)學(xué)習(xí)課件-資料下載頁(yè)

【總結(jié)】機(jī)器學(xué)習(xí)第3講決策樹(shù)學(xué)習(xí)內(nèi)容ü簡(jiǎn)介ü決策樹(shù)原理ü決策樹(shù)算法ü決策樹(shù)中的過(guò)擬合問(wèn)題ü決策樹(shù)的其他問(wèn)題ü屬性的其他度量簡(jiǎn)介決策樹(shù)也稱(chēng)為判定樹(shù)。在決策樹(shù)方法中，首先從實(shí)例集中構(gòu)造決策樹(shù)，這是一種有指導(dǎo)學(xué)習(xí)的方法。該方法先根據(jù)訓(xùn)

2026-01-04 19:37

決策樹(shù)建模概述-資料下載頁(yè)

【總結(jié)】第四章決策樹(shù)建模第十組：郭浩韓學(xué)成何珺何軍黃安迪§數(shù)據(jù)分類(lèi)介紹分類(lèi)是數(shù)據(jù)挖掘的一個(gè)重要課題,它的目的是：構(gòu)造一個(gè)分類(lèi)函數(shù)或分類(lèi)模型,該模型能把數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)映射到給定類(lèi)別中的某一個(gè)。數(shù)據(jù)分類(lèi)的過(guò)程一般來(lái)說(shuō)主要包含兩個(gè)步驟

2026-01-05 19:43

決策樹(shù)分析方法-資料下載頁(yè)

【總結(jié)】決策樹(shù)分析方法─非現(xiàn)場(chǎng)數(shù)據(jù)分析法2023/1/311目錄1.概念和作用2.決策樹(shù)體系結(jié)構(gòu)3.決策樹(shù)運(yùn)用基本要素4.決策樹(shù)運(yùn)用示例5.決策樹(shù)運(yùn)用示例分析結(jié)論2023/1/312概念和作用?決策樹(shù)分析是數(shù)量分析方法?決策樹(shù)是一種樹(shù)狀結(jié)構(gòu)，其分析由樹(shù)根節(jié)點(diǎn)開(kāi)始逐層展開(kāi)，每一

2026-01-03 21:56

分類(lèi)挖掘：決策樹(shù)-資料下載頁(yè)

【總結(jié)】分類(lèi)挖掘：決策樹(shù)2023/5/4決策樹(shù)算法概述?決策樹(shù)算法最早源于人工智能的機(jī)器學(xué)習(xí)技術(shù)，用以實(shí)現(xiàn)數(shù)據(jù)內(nèi)在規(guī)律的探究和新數(shù)據(jù)對(duì)象的分類(lèi)預(yù)測(cè)。?決策樹(shù)算法屬于有指導(dǎo)的學(xué)習(xí)。根結(jié)點(diǎn)葉結(jié)點(diǎn)內(nèi)部結(jié)點(diǎn)兄弟結(jié)點(diǎn)2叉樹(shù)多叉樹(shù)分類(lèi)預(yù)測(cè)?分類(lèi)預(yù)測(cè)，就是通過(guò)向現(xiàn)有數(shù)據(jù)學(xué)習(xí)，使模型具備對(duì)未來(lái)新數(shù)據(jù)的分類(lèi)預(yù)測(cè)能力。

2026-01-18 05:14