-
Что такое описательные модели.
-
Какие модели относятся к типу unsupervised.
MiningVector передається applyModelFunction повинні мати ті ж мета-дані, як потік гірської введення даних для навчання. Тим більше, вона повинна містити класифікація атрибутів, навіть якщо вона не містить значущих цінностей. 2. З еквівалентності мета-даних в 1. Крім того, він випливає, що якщо навчання даних була перетворена зовнішні перетворення, перш ніж buildModel був викликаний метод, Потім miningVector (одного і того ж мета-дані в якості навчальних даних) також повинні бути перетвориться ж зовнішньої трансформації. Найпростіше це можна зробити, наступна конструкція:
MiningVector miningVector = miningVector0;
if ( modelMetaData.isTransformed() ) {
miningVector = modelMetaData.getMiningTransformationActivity().
transform(miningVector0);
};
Тут miningVector0 є видобуток вектора, забив який має той же мета-дані в якості навчальних даних. Тепер miningVector є вектором, який насправді передається applyModelFunction. ModelMetadata є мета-дані контролюється видобуток Модель (зберігається в гірській настройки моделі). Якщо мета-даних не було трансформуються, ми можемо працювати з вихідними даними, в іншому випадку до miningVector0 ж зовнішні перетворення, щоб навчання дані повинні бути застосовані. Таким же чином, статична і динамічних перетворень може бути застосована до видобутку вхідні потоки гірських векторів щоб бути зарахований. 3. Метод застосовується в XELOPES 1,0-раніше підтримується у версії 1.1. Він закликає applyModelFunction методом внутрішньо. Метод застосовується позначений як застарілий і applyModelFunction повинні використовуватися замість цього. 4. Метод applyModel кидає виняток у SupervisedMiningModel (а також в більшість її реалізації), так як потрібно функціональність вже повністю знаходиться в applyModelFunction.
-
Какие существуют алгоритмы поиска ассоциативных
правил
Клас SupervisedMiningAlgorithm є базовим класом для всіх керував алгоритмів інтелектуального аналізу даних. Вона поширюється по ClassificationAlgorithm, який, у свою чергу, слугує базовим класом для всіх алгоритмів класифікації, а також RegressionAlgorithm, базовий клас для всіх регресії алгоритмів. Ми рекомендуємо здійснювати всі класифікації і регресії алгоритмів від одного з цими двома класами, а не з SupervisedMiningAlgorithm безпосередньо. З SupervisedMiningAlgorithm носить досить загальний характер, воно містить лише такі внутрішні змінних:
Мінлива Опис ім'я цільової MiningAttribute для цільового атрибута confidenceAttributeName Ім'я довіри атрибут predictedAttributeName Назва прогнозованого атрибута costFunction Назва функція вартості
Ці змінні (охоронюваних типу), можуть бути використані алгоритми розширення SupervisedMiningAlgorithm. SupervisedMiningAlgorithm переписує метод setMiningSettings з MiningAlgorithm по Реалізація цього методу для навчання з учителем. Зокрема, він перевіряє, чи є MiningSettings відносяться до типу SupervisedMiningSettings. Далі SupervisedMiningAlgorithm містить абстрактні методи і buildModel runAlgorithm. Абстрактний метод
protected abstract Classifier getClassifier();
повертає класифікатор