Báo Cáo Nghiên cứu một số thuật toán ứng dụng datamining

MỤC LỤC
MỞ ĐẦU 3
CHƯƠNG 1: TỔNG QUAN PHÁT HIỆN TRI THỨC VÀ KHAI PHÁ DỮ LIỆU 4
1.1 Giới thiệu chung 4
1.2. Khái niệm khai phá dữ liệu 4
1.3. Khai phá dữ liệu dự đoán 6
1.3.1. Phân loại 6
1.3.2. Hồi quy 7
1.4. Khai phá dữ liệu mô tả 7
1.4.1. Phân cụm 7
1.4.2. Luật kết hợp 8
1.5. Học máy (Machine Learning) 9
1.6. Các ứng dụng của KDD 9
1.7. Những thách thức đối với KDD 9
CHƯƠNG 2: KỸ THUẬT PHÂN LOẠI TRONG KHAI PHÁ DỮ LIỆU 11
2.1 Phân loại là gì? 11
2.2 Các vấn đề quan tâm của phân loại 13
2.2.1 Chuẩn bị dữ liệu để phân loại: 13
2.2.2 So sánh các phương pháp phân loại: 14
2.3 Phân loại bằng cây quyết định quy nạp 14
2.3.1 Cây quyết định quy nạp 15
2.3.1.1 Chiến lược cơ bản của ID3: 15
2.3.1.2 Phép đo lựa chọn thuộc tính: . 16
CHƯƠNG 3: KỸ THUẬT PHÂN CỤM TRONG KHAI PHÁ DỮ LIỆU 20
3.1 Phân cụm là gì 20
3.2 Các kiểu dữ liệu trong phép phân cụm 21
3.2.1 Độ không tương đồng và tương đồng: 22
3.3 Phân loại các phương pháp phân cụm chính 23
3.1. Các phương pháp phân chia: 23
3.2. Các phương pháp phân cấp: 24
3.3. Các phương pháp dựa trên mật độ: 25
3.4. Các phương pháp dựa trên lưới: 25