31、数据分类方法综合解析

数据分类方法综合解析

1. 关联分类算法对比

关联分类为分类方案提供了新的选择，它基于数据中频繁出现的属性 - 值对的组合来构建规则。下面为大家介绍几种关联分类算法：
- CBA与CMAR ：CBA和CMAR采用频繁项集挖掘方法生成候选关联规则，这些规则包含满足最小支持度的所有属性 - 值对（项）的组合。之后对这些规则进行筛选，选取一个子集来代表分类器。实验表明，与CBA相比，CMAR的平均准确率略高，且在运行时间、可扩展性和内存使用方面更高效。
- CPAR ：CPAR采用不同的规则生成方法，基于一种名为FOIL的分类规则生成算法。FOIL构建规则以区分正元组和负元组，对于多类问题，会对每个类分别应用FOIL。每次生成规则时，CPAR允许被覆盖的元组仍参与后续考虑，但会降低其权重。在分类时，若有多个规则满足新元组X，CPAR会将规则按类分组，使用每组中最佳的k条规则基于预期准确率来预测X的类标签，避免了低排名规则的影响。CPAR在许多数据集上的准确率与CMAR相近，但由于生成的规则远少于CMAR，在处理大量训练数据时效率更高。

</

算法名称	规则生成方法	分类策略	准确率	效率
CBA	频繁项集挖掘	-	-	相对较低