您当前的位置:首页 > 主页 > 实验内容 > 智能数据挖掘实验
智能数据挖掘实验

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程,是知识发现的关键步骤。随着信息技术的高速发展,人们积累的数据量急剧增长,从海量的数据中提取有用的知识成为当务之急。Apriori算法是一种挖掘布尔关联规则频繁项集的算法,其核心是基于两阶段频集思想的递推,该关联规则在分类上属于单维、单层、布尔关联规则;最大期望算法是在概率模型中寻找参数最大似然估计的算法,其中概率模型依赖于无法观测的隐藏变量,最大期望经常用在机器学习和计算机视觉的数据集聚类领域;分类树有两个关键的思想,即递归划分自变量空间和用验证数据进行剪枝;Adaboost针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的分类器(强分类器)。数据挖掘的一个典型应用是异常数据的诊断。智能数据挖掘实验基本情况如表2所示。

表2. 智能数据挖掘实验基本情况
序号 实验内容 学时 实验平台 考核方式
1 Apriori算法实验 4 大数据智能感知与计算平台 实验效果和提问70%,实验报告30%
2 最大期望(EM)算法实验 4
3 分类与回归树实验 4
4 AdaBoost实验 4
5 异常诊断实验 4
 

Copyright © 2016-2017

电院网络中心设计维护