驗證數據挖掘模型的成功

data-mining

2015-03-30 25 views 0 likes

我對如何驗證通過data mining algorithms生成的我們的data mining models的有用性有些困惑。對於classification，我確定我們可以將Partition數據轉換爲測試和訓練集。我們如何確定從clustering and association生產的模型的有效性？驗證數據挖掘模型的成功

來源

2015-03-30 jonn

您也可以定義用於聚類和關聯的測試集。 – axiom 2015-03-30 18:30:48

回答

關聯規則可以用於預測，因此可以通過分割數據以相同的方式進行評估。

聚類：你會怎樣使用反正呢？

「證明」羣集的方式是使用結果來改善分類性能，或者通過向人類用戶提供洞察。如果用戶從集羣中獲得了洞察力，那麼它就起作用了！

來源

2015-03-31 05:39:19

對於聚類（和關聯規則），您可以使用交叉驗證來驗證準確性。例如，Weka提供了檢查聚類準確性的工具，以便您可以調整參數（例如，聚類數量等）。檢查此相關question

來源

2015-10-13 14:26:41

相關問題

11. JSON到R數據挖掘
12. 數據挖掘字符串
13. 數據挖掘情況
14. R數據挖掘語法
15. 「相似性」數據挖掘
16. Google數據挖掘工具
17. 從數據挖掘開始
18. 數據挖掘教科書
19. 文本挖掘中的功能數
20. 通過SQL Analysis Services挖掘模型檢查/挖掘的前端應用程序
21. 數據挖掘海量數據
22. 數據挖掘和頻繁數據集
23. Web刮，數據挖掘，數據提取
24. 數據挖掘項目數據集
25. Twitter的數據挖掘：分離
26. 與Django的數據挖掘問題
27. 挖掘衆包數據的合法性
28. 存儲文本數據挖掘的
29. 用於MPI的數據挖掘庫
30. C＃的數據挖掘資源