一. 分类

1.1 分类的意义

1. 传统意义下的分类: 生物物种
2. 预测: 天气预报
3. 决策: yes or no

1.2 分类与聚类的差别

图片来源:
https://www.zhihu.com/question/42044303/answer/470589507

1.3 分类和聚类常用的算法

分类算法：

1. K近邻（KNN）
2. 逻辑回归
3. 支持向量机
4. 朴素贝叶斯
5. 决策树
6. 随机森林

聚类算法 ：

1. K均值（K-means）
2. FCM（模糊C均值聚类）
3. 均值漂移聚类
4. DBSCAN
5. DPEAK
6. Mediods
7. Canopy

1.4 线性判别法的例子

以天气预报为例。

代码:

G=c(1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2)
x1=c(-1.9,-6.9,5.2,5.0,7.3,6.8,0.9,-12.5,1.5,3.8,0.2,-0.1,0,2.7,2.1,-4.6,-1.7,-2.6,2.6,-2.8)
x2=c(3.2,0.4,2.0,2.5,0.0,12.7,-5.4,-2.5,1.3,6.8,6.2,7.5,14.6,8.3,0.8,4.3,10.9,13.1,12.8,10.0)

a=data.frame(G,x1,x2)
plot(x1,x2)
text(x1,x2,G,adj=-0.5)
1
2
3
4
5
6
7

测试记录:

用一条直线来划分训练集(这条直线一定存在吗?)
然后根据待测点在直线的哪一边决定它的分类

代码:

library(MASS)
ld=lda(G~x1+x2)
ld
z=predict(ld)
newG=z$class
newG
y=cbind(G,z$x,newG)
y
1
2
3
4
5
6
7
8

二. 文本挖掘典型场景

2.1 网页自动分类

2.2 垃圾邮件判断

朴素贝叶斯分类器，使用的最频繁
先分词，然后判定垃圾邮件

朴素贝叶斯分类 变量彼此之间没有联系，互不影响

2.3 评论自动分析

2.4 通过用户访问内容判别用户喜好

用户流失预警:

用户标签系统:

三. 贝叶斯信念网络

贝叶斯信念网络 区别于 朴素贝叶斯，各个变量之间存在某种关联关系，这种情况其实更贴合实际应用场景。

贝叶斯推理: