标签:
1定义
2示例
数据集包含多个描述属性和一个类别属性,一般来数,描述属性:连续值或离散值;类别属性:只能是离散值(目标属性连续对应回归问题)
两类分类示例
多类分类示例
3分类过程
3.1获取数据
数值型数据
描述性数据
图片型数据
很多情况下,需要将上述数据统一转换为数值型数据序列,即形成特征向量(特征提取)
3.2预处理
为了提高分类的准确性和有效性,需要对分类所用的数据进行预处理
备注:主成分分析 ( Principal Component Analysis , PCA )
线性鉴别分析(Linear Discriminant Analysis, LDA),也称Fisher线性判别(Fisher Linear Discriminant ,FLD), 这种算法是Ronald Fisher 于 1936年发明的,是模式识别的经典算法。
3.3分类器设计
3.3.1划分数据集
给定带有类标号的数据集,并且将数据集划分为两个部分
划分策略:
1.当数据集D的规模较大时
训练集2|D|/3,测试集是1|D|/3
2.当数据集D的规模不大时
n交叉验证法(n-fold validation) 将数据集随机地划分为n组 之后执行n次循环,在第i次循环中,将第i组数据样本作为测试集,其余的n-1组数据样本作为训练集,最终的精度为n个精度的平均值。
3.当数据集D的规模非常小时
每次交叉验证时,只选择一条测试数据,剩余的数据均作为训练集。 原始数据集有m条数据时,相当于m-次交叉验证。 是N-次交叉验证的一个特例。
3.3.2分类器构造
利用训练集构造分类器(分类模型)
通过分析由属性描述的每类样本的数据信息,从中总结出分类的规律性,建立判别公式或判别规则
在分类器构造过程中,由于提供了每个训练样本的类标号,这一步也称作监督学习(supervised learning)
3.3.3分类器测试
利用测试集对分类器的分类性能进行评估,具体方式是:
首先,利用分类器对测试集中的每一个样本进行分类
其次,将分类得到的类标号和测试集中数据样本的原始类标号进行对比
由上述过程得到分类器的分类性能(如何评价?)
分类的评价准则---约定和假设
1)指标一,精确度(accuracy)
1)指标一,精确度(accuracy)
3.4分类决策
在构造成功分类器之后(通过测试),则可以利用该分类器实际执行分类。
标签:
原文地址:http://www.cnblogs.com/chamie/p/4457093.html