1 / 19

III EKSPLORACJA DANYCH

III EKSPLORACJA DANYCH. Zadania eksploracji danych: odkrywanie.

damali
Download Presentation

III EKSPLORACJA DANYCH

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Model jest globalnym, ogólnym opisem zbioru danych. Może być opisowy, podsumowujący dane w dogodny i zwięzły sposób, lub też indukcyjny, pozwalający formułować wnioski o populacji, z której pobrane zostały dane lub o prawdopodobnych wartościach przyszłych danych. Model (struktura modelu) mówi coś o każdym punkcie w całej przestrzeni pomiarowej. .

  2. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Wzorzec jest lokalną cechą danych, obowiązującą być może jedynie dla kilku rekordów lub kilku zmiennych (lub obudwu tych rzeczy). Wzorce są interesujące, ponieważ odzwierciedlają odchylenia od ogólnej partii danych: para zmiennych mająca szczególnie wysoką korelację, zbiór elementów mających wyjątkowo duże wartości niektórych zmiennych, grupa rekordów, która zawsze daje ten sam wynik na jakichś zmiennych. Przykładem wzorca jest lokalna cecha w p-wymiarowej przestrzeni zmiennych, taka jak moda funkcji gęstości, lub punkt przegięcia krzywej regresji. .

  3. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Reguły asocjacyjne przybierają postać „Jeżeli poprzednik, to następnik razem z miarą wsparcia i ufności reguły.

  4. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Przy założeniu (upraszczającym), że wszystkie zmienne są binarne, reguła asocjacyjna przyjmuje następującą postać: IF A = 1 AND B = 1 THEN C = 1 z prawdopodobieństwem p, gdzie: p = p (C = 1│A = 1, B = 1) jest prawdopodobieństwem warunkowym, że C = 1 pod warunkiem, że A = 1 i B = 1

  5. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Prawdopodobieństwo warunkowe p jest nazywane dokładnością, albo ufnością reguły. Zaś p = p (A = 1, B = 1, C = 1) jest nazywane wsparciem.

  6. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Zbiór zdarzeń Częstość zbioru zdarzeń Zbiór częsty

  7. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie

  8. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Odkrywanie reguł asocjacyjnych jest procesem dwu etapowym: 1. Znajdź wszystkie częste zbiory zdarzeń; to znaczy znajdź zbiory zdarzeń o częstości ≥φ 2. Na podstawie częstych zdarzeń utwórz reguły asocjacyjne R, które spełniają warunek minimalnego wsparcia i poziomu ufności

  9. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Algorytm A priori korzysta z właściwości A priori Właściwość A priori Jeżeli zbiór zdarzeń Z nie jest częsty, to dla dowolnego elementu A, Z  A nie będzie częste

  10. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Przykład za: Daniel T. Larose „Odkrywanie wiedzy z danych” Wydawnictwo Naukowe PWN

  11. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Przykład za: Daniel T. Larose „Odkrywanie wiedzy z danych” Wydawnictwo Naukowe PWN

  12. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Przykład za: Daniel T. Larose „Odkrywanie wiedzy z danych” Wydawnictwo Naukowe PWN

  13. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Zbiory zdarzeń są łączone, jeżeli mają wspólnych k-1 elementów Przykład za: Daniel T. Larose „Odkrywanie wiedzy z danych” Wydawnictwo Naukowe PWN

  14. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Przykład za: Daniel T. Larose „Odkrywanie wiedzy z danych” Wydawnictwo Naukowe PWN

  15. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Przykład za: Daniel T. Larose „Odkrywanie wiedzy z danych” Wydawnictwo Naukowe PWN

  16. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Tworzenie reguł asocjacyjnych R 1. Utwórz wszystkie podzbiory ze zbiorów częstych 2. Utwórz zbiór/zbiory ss będące zbiorem niepustym. Rozważ regułę asocjacyjną R: ss⇒(s-ss) Stwórz i zwróć R, jeżeli R spełnia minimalne wymagania ufności.

  17. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Z utworzonych zbiorów częstych dwuelementowych F2 i trzyelementowych F3 tworzymy zbiory ss

  18. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie Niech s {szparagi, fasola, kabaczki} Wówczas ss {szparagi, fasola}, ss-s {kabaczki} Wsparcie i ufność

  19. III EKSPLORACJA DANYCH Zadania eksploracji danych: odkrywanie

More Related