Анализ релевантности атрибутов в интеллектуальном анализе данных

Метод анализа атрибута:
Было проведено множество исследований в области искусственного интеллекта, инсайтов, пушистых и резких гипотез о качественных исследованиях. Общая мысль, лежащая в основе характерного экзамена на уместность, состоит в том, чтобы обработать некоторый критерий, который используется для оценки важности характеристики в отношении данного класса или идеи. Такие меры включают сбор данных, индекс Джини, неопределенность и коэффициент связи.

Обсудим по порядку.

1. Сбор информации -
   Собирайте информацию как для целевого, так и для дифференцирующего классов, обрабатывая запросы. Для корреляции классов клиент в вопросе интеллектуального анализа информации указывает и объективный класс, и класс дифференциации. Для классового изображения объективный класс - это класс, который должен быть изображен, хотя дифференцирующий класс - это совокупность аналогичной информации, которой нет в объективном классе.
2. Предварительный анализ релевантности с использованием консервативного AOI (индукция, ориентированная на атрибуты) -
   На этом шаге распознается Набор измерений и характеристик, к которым должна применяться выбранная мера важности. Поскольку различные степени измерения могут иметь совершенно уникальную важность для данного класса, каждое качество, характеризующее вычисленные уровни измерения, следует запомнить для проверки значимости на фундаментальном уровне.
   (AOI) можно использовать, чтобы разыграть некоторую начальную проверку значимости информации путем исключения или суммирования качеств, имеющих очень большое количество безошибочных качеств (например, имя и номер телефона). Такие характеристики, вероятно, не окажутся полезными для изображения идеи. Отношение, полученное таким применением атрибута Induction, называется отношением-кандидатом в задаче интеллектуального анализа данных.
3. Удалите нерелевантные и слабые атрибуты, используя выбранную меру анализа релевантности -
   Мы оцениваем каждое качество в отношении кандидата, используя показатель важности анализа релевантности. Этот шаг вызывает основную объективную связь с рабочим классом и запускает дифференцирующую классовую рабочую связь. Затем атрибуты сортируются (т. Е. Ранжируются) в соответствии с их вычисленной релевантностью для задачи интеллектуального анализа данных.
4. Сгенерируйте описание концепции с помощью AOI -
   Выполните AOI, используя менее консервативную схему характерных спекулятивных лимитов. В том случае, если безошибочная задача интеллектуального анализа данных представляет собой изображение класса, здесь включается только базовая рабочая связь с объективным классом. На случай, если выразительная задача добычи полезных ископаемых является классным экзаменом, включаются как лежащая в основе объективная классовая рабочая связь, так и основная дифференцирующая классовая рабочая связь.

Компоненты меры релевантности:

1. Получение информации (ID3)
2. Коэффициент усиления (C4.5)
3. Индекс Джини
4. Статистика таблицы непредвиденных обстоятельств Chi ^ 2
5. Коэффициент неопределенности