新书推介：《语义网技术体系》
作者：瞿裕忠，胡伟，程龚
   XML论坛     W3CHINA.ORG讨论区     计算机科学论坛     SOAChina论坛     Blog     开放翻译计划     新浪微博  
 
  • 首页
  • 登录
  • 注册
  • 软件下载
  • 资料下载
  • 核心成员
  • 帮助
    		•   Add to Google

    >> The future of AI, is the future of computer
    [返回] 计算机科学论坛 → 计算机理论与工程 → 『 人工智能 :: 机器学习|数据挖掘|进化计算 』 → 问几个数据挖掘方面的问题 ◇查看新帖 ◇ 用户列表 ◇

      发表一个新主题  发表一个新投票  回复主题  (订阅本版) 您是本帖的第 7651 个阅读者浏览上一篇主题  刷新本主题   树形显示贴子　浏览下一篇主题
     * 贴子主题： 问几个数据挖掘方面的问题 举报  打印  推荐  IE收藏夹 
       本主题类别:     
     enova 美女呀，离线，快来找我吧！
      
      
      等级：大二(研究C++)
      文章：31
      积分：201
      门派：XML.ORG.CN
      注册：2005/3/13

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给enova发送一个短消息 把enova加入好友 查看enova的个人资料 搜索enova在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看enova的博客楼主
    发贴心情 问几个数据挖掘方面的问题

    请先阅读下面一段描述：
         由于这些数据集没有遗失数据，为了验证我们提出的方法，我们通过随机数发生器，人为地在条件属性值上随机产生一定比例的遗失数据，得到一个不完备的信息系统(暂时不区分条件属性和决策属性)，在其上作完整化实验．然后，将完整化后的信息系统看成一个决策系统(此时区分为条件属性和决策属性)，并作为数据集．用5个不同的随机数作为种子，分别通过5次随机划分为两个数据集，每次划分均按80％和20％比例．用前者作为训练集，将得出的分类规则在原来完备的数据集上进行测试，分别作5次训练测试．
    （张伟等。一种基于ROUGH集理论的不完备数据分析方法。2003年6月《模式识别与人工智能》）

    问题1：
    1）这段话的意思是不是说：设一完整的数据集为D，先令D有遗失值，得到数据集D'，从D'中随机划出80%的数据来做实验得到分类规则，然后再将这分类规则用在D上测试
    2）实验得到的分类规则的精度怎样得到？将每条规则运用于数据，精度=能够适用的规则/规则总数？
    3）“用5个不同的随机数作为种子”是什么意思？
    4）hayes和hayes-roth是同一个数据集吗？如果不是，哪里可以找到hayes数据集？
    5）...N）根据各位的回复而定......


       收藏   分享  
    顶(0)
      




    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/3/13 15:54:00
     
     enova 美女呀，离线，快来找我吧！
      
      
      等级：大二(研究C++)
      文章：31
      积分：201
      门派：XML.ORG.CN
      注册：2005/3/13

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给enova发送一个短消息 把enova加入好友 查看enova的个人资料 搜索enova在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看enova的博客第2楼
    发贴心情 
    谢谢大家了！！！（刚才忘记答谢了，补个回帖）
    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/3/13 15:55:00
     
     eyounx 帅哥哟，离线，有人找我吗？金牛座1982-5-3
      
      
      威望：9
      等级：大四(GRE考了1400分!)(版主)
      文章：272
      积分：1260
      门派：GOOGLEBBS.NET
      注册：2005/3/12

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给eyounx发送一个短消息 把eyounx加入好友 查看eyounx的个人资料 搜索eyounx在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 访问eyounx的主页 引用回复这个贴子 回复这个贴子 查看eyounx的博客第3楼
    发贴心情 
    see blew

    以下是引用enova在2005-3-13 15:54:01的发言：
    请先阅读下面一段描述：
          由于这些数据集没有遗失数据，为了验证我们提出的方法，我们通过随机数发生器，人为地在条件属性值上随机产生一定比例的遗失数据，得到一个不完备的信息系统(暂时不区分条件属性和决策属性)，在其上作完整化实验．然后，将完整化后的信息系统看成一个决策系统(此时区分为条件属性和决策属性)，并作为数据集．用5个不同的随机数作为种子，分别通过5次随机划分为两个数据集，每次划分均按80％和20％比例．用前者作为训练集，将得出的分类规则在原来完备的数据集上进行测试，分别作5次训练测试．
    （张伟等。一种基于ROUGH集理论的不完备数据分析方法。2003年6月《模式识别与人工智能》）

    问题1：
    1）这段话的意思是不是说：设一完整的数据集为D，先令D有遗失值，得到数据集D'，从D'中随机划出80%的数据来做实验得到分类规则，然后再将这分类规则用在D上测试

    应该是在剩下的20%D'上测试，这个看起来是交叉验证的变形。

    2）实验得到的分类规则的精度怎样得到？将每条规则运用于数据，精度=能够适用的规则/规则总数？

    一般来说，得到的所有所有应该当作一个整体，每一条规则的前件是不一样的：
    accuracy = 0;
    对每一个测试数据{
          如果应用这一组规则得到的结果与真实结果一样，则accuracy++;
    }
    accuracy /= 测试数据数量。

    3）“用5个不同的随机数作为种子”是什么意思？

    意思就是5次80%-20%的划分是不一样的

    4）hayes和hayes-roth是同一个数据集吗？如果不是，哪里可以找到hayes数据集？

    应该是，这个是UCI数据集中的一个，google "UCI dataset repository"

    5）...N）根据各位的回复而定......


    btw: 尽量多看国际杂志上的文章，JMLR,JAIR等杂志是免费的

    ----------------------------------------------
    member of LAMDA, CS, NJU
    http://lamda.nju.edu.cn/
    http://lamda.nju.edu.cn/yuy

    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/3/13 17:45:00
     
     enova 美女呀，离线，快来找我吧！
      
      
      等级：大二(研究C++)
      文章：31
      积分：201
      门派：XML.ORG.CN
      注册：2005/3/13

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给enova发送一个短消息 把enova加入好友 查看enova的个人资料 搜索enova在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看enova的博客第4楼
    发贴心情 
    谢谢！
    1）一般来说是在剩下的20%D'上测试，不过这里说的好像是D.对于不完整的数据集的挖掘，该怎样去测试自己的方法的分类精度呢。这里提到的是一种方法把

    恩，我有空会多看的
    多谢！！！

    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/3/13 20:33:00
     
     enova 美女呀，离线，快来找我吧！
      
      
      等级：大二(研究C++)
      文章：31
      积分：201
      门派：XML.ORG.CN
      注册：2005/3/13

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给enova发送一个短消息 把enova加入好友 查看enova的个人资料 搜索enova在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看enova的博客第5楼
    发贴心情 
    有没有什么工具可以计算分类规则的精度呢？
    输入：分类规则，数据集
    输出：分类精度
    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/3/13 20:49:00
     
     eyounx 帅哥哟，离线，有人找我吗？金牛座1982-5-3
      
      
      威望：9
      等级：大四(GRE考了1400分!)(版主)
      文章：272
      积分：1260
      门派：GOOGLEBBS.NET
      注册：2005/3/12

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给eyounx发送一个短消息 把eyounx加入好友 查看eyounx的个人资料 搜索eyounx在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 访问eyounx的主页 引用回复这个贴子 回复这个贴子 查看eyounx的博客第6楼
    发贴心情 
    数据集中的一个样本，是用向量表示的，例如有n个特征的样本，标示为[f1,f2,f3,...,fn,l]，其中l是样本标签。训练出的规则是根据f1,f2,...,fn对l的预测。"不完整"这里指的是f1...fn中有缺失，或者是训练集中的有标签缺失的样本，但是测试集的标签都是完整的。通过比较标签和规则输出来判断是否预测正确。
    常用的精度测试方法有交叉验证，例如10倍交叉验证(10-fold cross validation)，将数据集分成十分，轮流将其中9份做训练1份做测试，10次的结果的均值作为对算法精度的估计，一般还需要进行多次10倍交叉验证求均值，例如10次10倍交叉验证，更精确一点。

    ----------------------------------------------
    member of LAMDA, CS, NJU
    http://lamda.nju.edu.cn/
    http://lamda.nju.edu.cn/yuy

    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/3/13 23:39:00
     
     IceMao 帅哥哟，离线，有人找我吗？
      
      
      等级：大一新生
      文章：5
      积分：85
      门派：XML.ORG.CN
      注册：2005/3/15

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给IceMao发送一个短消息 把IceMao加入好友 查看IceMao的个人资料 搜索IceMao在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看IceMao的博客第7楼
    发贴心情 
    T. Mitchell. Machine Learning, P107 Chapter5(Chinese Edition)
    有相关描述
    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/3/20 19:08:00
     
     enova 美女呀，离线，快来找我吧！
      
      
      等级：大二(研究C++)
      文章：31
      积分：201
      门派：XML.ORG.CN
      注册：2005/3/13

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给enova发送一个短消息 把enova加入好友 查看enova的个人资料 搜索enova在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看enova的博客第8楼
    发贴心情 
    测试集的数据也是有缺失的，那么含缺失值的对象怎么判断它是否和规则匹配呢？
    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/3/23 20:47:00
     
     hjjjl 美女呀，离线，快来找我吧！
      
      
      等级：大一新生
      文章：5
      积分：86
      门派：W3CHINA.ORG
      注册：2005/6/6

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给hjjjl发送一个短消息 把hjjjl加入好友 查看hjjjl的个人资料 搜索hjjjl在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看hjjjl的博客第9楼
    发贴心情 
    up

    ----------------------------------------------
    有一种画，叫做水墨画；有一种女孩，被称为水墨女孩.......

    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/7/4 16:18:00
     
     netgod 帅哥哟，离线，有人找我吗？
      
      
      等级：大一新生
      文章：8
      积分：85
      门派：XML.ORG.CN
      注册：2005/5/4

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给netgod发送一个短消息 把netgod加入好友 查看netgod的个人资料 搜索netgod在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看netgod的博客第10楼
    发贴心情 
    ding
    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2005/7/9 11:02:00
     
     GoogleAdSense
      
      
      等级：大一新生
      文章：1
      积分：50
      门派：无门无派
      院校：未填写
      注册：2007-01-01
    给Google AdSense发送一个短消息 把Google AdSense加入好友 查看Google AdSense的个人资料 搜索Google AdSense在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 访问Google AdSense的主页 引用回复这个贴子 回复这个贴子 查看Google AdSense的博客广告
    2025/9/5 16:55:06

    本主题贴数10，分页： [1]

    管理选项： 修改tag | 锁定 | 解锁 | 提升 | 删除 | 移动 | 固顶 | 总固顶 | 奖励 | 惩罚 | 发布公告
    W3C Contributing Supporter! W 3 C h i n a ( since 2003 ) 旗 下 站 点
    苏ICP备05006046号《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》
    		 6,367.188ms