45、数据分类与实时视频流分析

数据分类与实时视频流分析

数据分类研究

数据分类通常分为三个阶段：训练集、确定类属性和目标。所获取的数据一般会被分为训练集和测试数据两部分，为了实现准确预测，常采用10折交叉验证技术。

本次研究选取了四个不同的数据集，分别是肝脏疾病、肝病患者检测、葡萄酒和乳腺癌数据集，这些数据集均来自UCI仓库（链接：https://archive.ics.uci.edu/ml/datasets.html ）。应用的分类算法包括决策树及其三个子算法（支持向量机、精细树、粗糙树、中等树）、逻辑回归分类器及其子算法（立方SVM、线性SVM、高斯SVM、二次SVM、精细SVM、粗糙SVM）以及集成分类器及其子算法（破碎树和袋装树）。

算法介绍

• 决策树 ：决策树分类算法在处理和映射问题方面有很大潜力，但相对于更可预测的模式识别技术（如极大似然分类），尚未得到远程识别领域的详细验证。
• 逻辑回归分类器 ：这是一种用于二元分类问题的机器学习技术，其核心基于逻辑函数，类似于线性回归，用于建模默认类的概率。
• 支持向量机 ：是最受关注和使用的分类器之一，在20世纪90年代极为流行，至今仍被广泛应用。它通过一个分离超平面进行分类。
• 集成分类器 ：由至少两个分类器组合而成。与单一理论模型相比，集成学习能产生更高质量的结果。增量学习算法即使在分类器已经生成后，仍能从新出现的实例中学习，且能保留已获取的信息。

过往研究案例