数据的分析课件高中信息技术教学课件（粤教版2019）必修1_第1页
数据的分析课件高中信息技术教学课件（粤教版2019）必修1_第2页
数据的分析课件高中信息技术教学课件（粤教版2019）必修1_第3页
数据的分析课件高中信息技术教学课件（粤教版2019）必修1_第4页
数据的分析课件高中信息技术教学课件（粤教版2019）必修1_第5页
已阅读5页，还剩5页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

图5-10 聚类分析K-平均算法聚类分析的基本算法如下：（1）从数据点集合中随机选择K个点作为初始的聚集中心，每个中心点代表着每个聚集中心的平均值。（2）对其余的每个数据点，依次判断其与K个中心点的距离，距离最近的表明它属于这项聚类。（3）重新计算新的聚簇集合的平均值即中心点。整个过程不断迭代计算，直到达到预先设定的迭代次数或中心点不再频繁波动。打开并运行教科书配套学习资源包“第五章\课本素材\程序5-5聚类分析”文件，观察程序的运行结果。程序5-5直接调用了Python语言的sklearn机器学习模块，其对数据进行聚类分析的关键程序段如下：实践5.3.4数据分类数据分类通常的做法是，基于样本数据先训练构建分类函数或者分类模型（也称为分类器），该分类器具有将待分类数据项映射到某一特点类别的功能。数据分类和回归分析都可用于预测，预测是指从基于样本数据记录，根据分类准则自动给出对未知数据的推广描述，从而实现对未知数据进行预测。

贝叶斯分类技术在众多分类技术中占有重要地位，也属于统计学分类的范畴，是一种非规则的分类方法。贝叶斯分类技术通过对已分类的样本子集进行训练，学习归纳出分类函数（对离散变量的预测称作分类，对连续变量的分类称为回归），利用训练得到的分类器实现对未分类数据的分类。贝叶斯与概率分类贝叶斯（ThomasBayes,1701—1761），英国数学家，发明了概率统计学原理，将归纳推理法用于概率论基础理论，创立了贝叶斯统计理论，对统计决策函数、统计推断、统计的估算等做出了贡献。

在概率统计理论中，条件概率是指事件A在另外一个事件B已经发生条件下的发生概率，表示为P（A|B），读作“在B的条件下A的概率”。贝叶斯发现在事件B出现的前提下事件A出现的概率，等于事件A出现的前提下事件B出现的概率乘以事件A出现的概率再除以事件B出现的概率。这就是著名的贝叶斯定理。拓展运用贝叶斯定理对事物进行分类，是一种非常有效的思维方法，是贝叶斯决策理论方法的基本思想。例如，假设有一个数据集，由两类组成，且已知每个样本的分类，数据分布如图5-11所示。用p1(x,y)表示数据点(x,y)属于红色一类的概率，用p2(x,y)表示数据点(x,y)属于蓝色一类的概率。图5-11 数据分布

那么如何判断对于一个新的点C(x,y)属于红色还是蓝色类别呢？通常人们会按以下步骤解答：（1）求新的点C(x,y)属于红色一类的概率p1(x,y)。（2）求新的点C(x,y)属于蓝色一类的概率p2(x,y)。（3）选择概率高的一类作为新点C(x,y)的分类。

各小组根据项目选题及拟订的项目方案，结

人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论