YOULIYE的专栏

Data Mining is really demanding for me...This week the TA held the lecture. I am not going to bitch too much about him, but just organize the notes myself.outline–Naïve Bayesian Cl

关联式规则(gender=male) and (wealth=rich)→ (age=old)BODYHEAD(LHS, “Left-Hand-Side”, antecendent) (RHS, consequent)如果没有body，也可以有default head， the most common value (MCV) 定义SUPPORT: 数据中符合

预测准确性:confusion matrix • TP also called “hit”, TN: “correct rejection”• FP: “false alarm”, “type I error”• FN: “miss”, “type II error”rate all based on the actual sums• TP rate = TP/Pos

Pdf 来源Western University最近邻居法（KNN算法，又译K-近邻算法）是ML最简单分类的方法之一。需要分类的样本依据k个最邻近的样本分类。K的选择：理论上说如果样本无限多，那么k越大越好。但是这些邻居必须相近。而且，样本怎么可能无限多呢。所以，一般来说kk=1计算效率高，但是超级会被noise影响理论上最佳error会是Bayes rate E* (

最简单的主成分分析函数，prcomp 和 princomp 都是自带的函数，不需要额外的包http://strata.uga.edu/software/pdf/pcaTutorial.pdf很好的一个介绍http://gastonsanchez.wordpress.com/2012/06/17/principal-components-analysis-in-r-part-1/很好的一

什么是聚类Clustering partitions unlabeled data into subsets聚类就是把数据分入子集，但是这些子集一开始不像分类Classification一样有确定的类。但是聚类和分类还是很类似的，所以聚类也叫无监督的分类unsupervised classification。也就是说，一开始没有确定的类属（supervised），分完才知道。这些得