来源:南通科迅教育
时间:2019/11/28 11:11:41
南通崇川大数据培训哪里好 科迅教育专注职业技能培训,致力于培养面向设计及开发领域的人才,以学员就业为目的,优质就业为宗旨,是一家集:软件开发(JavaEE、Web前端、.NET、PHP、大数据、Python等)、UI交互设计、平面设计、电商美工、美工运营、室内设计、软装设计、建筑设计、景观设计、数控编程、模具设计等课程为一体的培训机构
衡量关联规则挖掘结果的有效性,应该从多种综合角度来考虑:
准确性:挖掘出的规则必须反映数据的实际情况。
实用性:挖掘出的规则必须是简洁可用的。
新颖性:挖掘出的关联规则可以为用户提供新的有价值信息。
约束的常见类型有:
单调性约束;
反单调性约束;
可转变的约束;
简洁性约束.
根据规则中涉及到的层次,多层次关联规则可以分为:
同层关联规则:如果一个关联规则对应的项目是同一个粒度层次,那么它是同层关联规则。
层间关联规则:如果在不同的粒度层次上考虑问题,那么可能得到的是层间关联规则。
按照聚类分析算法的主要思路,聚类方法可以被归纳为如下几种。
划分法:基于一定标准构建数据的划分。
属于该类的聚类方法有:k-means、k-modes、k-prototypes、k-medoids、PAM、CLARA、CLARANS等。
层次法:对给定数据对象集合进行层次的分解。
密度法:基于数据对象的相连密度评价。
网格法:将数据空间划分成为有限个单元(Cell)的网格结构,基于网格结构进行聚类。
模型法:给每一个簇假定一个模型,然后去寻找能够很好的满足这个模型的数据集。
版权所有:搜学搜课(www.soxsok.com)