第pan style="font-family: 宋體">章常用數(shù)據(jù)挖掘方法介紹

分類已經(jīng)應(yīng)用于我們生活的諸多方面且是數(shù)據(jù)挖掘中最常見的方法之一。我們主要研究了基于深度學(xué)本和代謝組學(xué)等數(shù)據(jù)的特征提取和分類問題。

pan style="font-family:宋體">．1  分類問題研究基本框架

對于分類問題來說，建立分類模括學(xué)試兩個過程n’。此類問題的學(xué)可以采用有監(jiān)督或無監(jiān)督的方法，目標(biāo)是將新數(shù)據(jù)劃分至一個或者多個的類別中，因為每個數(shù)據(jù)有可能屬于不同的類別口’。通常情況下，分類模型的構(gòu)建主括以下幾個方面：

(pan style="font-family:宋體">數(shù)據(jù)預(yù)處理

一  許多數(shù)據(jù)是半結(jié)構(gòu)化或非結(jié)構(gòu)化的、多維度的，通過預(yù)法可以讓數(shù)據(jù)具有統(tǒng)一和方便計算機識別的組織形式，行統(tǒng)一格式化的處理，便于后續(xù)的研究。

(2)數(shù)據(jù)表示

對于分類模型來說，預(yù)處理后的數(shù)據(jù)通常不能夠直接作為模型的輸入，也就是說原始數(shù)據(jù)不能夠被直行處理，需要將其轉(zhuǎn)換為適用于分類模型的數(shù)據(jù)而才能夠完成模型的建立及測試口]。

(3)數(shù)據(jù)的特征提取

待分類的數(shù)據(jù)中含了許多噪聲或無關(guān)的變量。通過特征提取方法能夠去掉這些噪聲，獲得代表樣本數(shù)據(jù)特征的低維數(shù)據(jù)，從而能夠更加有效地完成分類。

(4)建立分類器

特征提取后的低維數(shù)據(jù)將輸入至分類器，可以采用不同的分類算法判別數(shù)據(jù)所屬類別。

(5)模型評價

模型評價的作用主要是對分類性能的優(yōu)劣給出一個定量的評估，評價可以采用不同的方法，選擇合適的方法能夠給予模型更加客觀、準(zhǔn)確的評……