56、数据挖掘中的采样与决策模型

数据挖掘中的采样与决策模型

1. 采样技术

1.1 分层采样

分层采样技术通常用于总体异质的情况，即当总体中存在不同特征的子群体时，可以将这些相似的子群体（层）分离出来进行采样。但如果总体中不存在同质的子群体，这种方法就不太适用。

1.2 平衡采样

平衡采样是分层采样的一种特殊情况，其中层对应于类别，从每个层中抽取的样本与该类别在总体中的大小成比例。

1.3 采样技术与其他相关概念的交叉引用

与采样技术相关的概念还包括异常检测、分箱、数据集、降维、离散化、进化特征选择与构造、文本挖掘中的特征构造、特征选择、文本挖掘中的特征选择、核方法、测量尺度、缺失值、噪声、主成分分析、命题化和记录链接等。

2. 数据集相关概念

2.1 数据集定义

数据集是用于特定机器学习目的的数据集合。

2.2 不同类型的数据集

• 训练集 ：作为学习系统的输入，用于分析以学习模型。
• 测试集（评估集） ：包含用于评估学习系统所学习模型的数据。
• 成长集和剪枝集 ：训练集可以进一步划分为成长集和剪枝集。
• 保留集 ：当训练集和测试集包含不相交的数据时，测试集称为保留集。

2.3 数据预处理相关术语

数据预处理也称为数据准备，还包括数据清理、数据调和