数据挖掘算法--分类与预测笔记

分类和预测是两种数据分析形式，可以用于提取描述重要数据量的模型或预测未来的数据趋势。然而，分类是预测分类标号，而预测建立连续值函数模型。

数据分类两过程：

1.建立模型，描述预定的数据类或概念集。学习模型用分类规则、判定树或数学公式的形式提出。

2.使用模型进行分类。利用测试集评估模型的预测准确率，如果准确率可以接受，可以用来对未知数据元组分类。

预测是构造和使用模型评估无标号样本，或者评估给定样本可能具有的属性值或值区间。

分类和回归时两类主要预测问题。其中，分类是预测离散或标称值，而回归用于预测连续或有序值。

关于分类和预测的问题：

准备分类和预测的数据：数据清洗、相关性分析、数据变换

分类好坏的指标：预测的准确率、速度、鲁棒性、可规模性、可解释性。

用判定树归类分类：

判定树归纳：