2. Ⅰ
Өгөгдлийн олборлолтын ашиглалт

3. Зорилт
Ангилал
Багцлах

4. Ангилал
•
•
•
Бичлэгийн цуглуулга өгөгдсөн
• Бичлэг бүр нь атрибутын цогцыг агуулсан ба нэг
атрибут нь нэг класс.
Бусад атрибутын утгын зориулалтаар класс
атрибутын загварыг гаргах
Зорилго: Өмнө нь үл мэдэгдэх бичлэгийг байж
болохуйц мөн зөв классд тодорхойлох
• Test set нь загварын нарийн тодорхойлохын тулд
ашигладаг бөгөөд сүүлийн үед өгөгдсөн өгөгдлийн
цуглууллагыг training set болон test set гэж
хуваадаг болсон.Training set нь загварыг босгон
байгуулахад хэрэглэдэг бол test set нь түүнийг
батлахад хэрэглэдэг.

5. Ангилал
Tid
Attrib1
Attrib2
Attrib3
Class
1
Yes
Large
125K
No
2
No
Medium
100K
No
3
No
Small
70K
No
4
Yes
Medium
120K
No
5
No
Large
95K
Yes
6
No
Medium
60K
No
7
Yes
Large
220K
No
8
No
Small
85K
Yes
9
No
Medium
75K
No
10
No
Small
90K
Learning
algorithm
Yes
Induction
Learn
Model
Model
10
Training Set
Tid
Attrib1
Attrib2
11
No
Small
55K
?
12
Yes
Medium
80K
?
13
Yes
Large
110K
?
14
No
Small
95K
?
15
No
Large
67K
?
10
Test Set
Attrib3
Apply
Model
Class
Deduction

6. Ангилалын жишээ

Хавдрын эсийг халдвартай халдваргүйг таамаглах

Кредит крадитны үйл ажиллагааг
хуйлварынх уу эсвэл хууль ёсных уу гэдгийг ангилах

Протоны эсийг ялгах

Мэдээллийг ангилах жишээ нь
ийгэм улс төрийн гэх мэт.
спортын , н

7. Ангилалын алгоритмууд
Шийдвэрийн модонд сууриласан метод
 Дүрэмд сууриласан метод
 Санах ойд сууриласан бодлого
 Мэдрэлийн системийн сүлжээ
 Naïve Bayes and Bayesian Belief сүлжээ
 Support Vector Machines


8. Шийдвэрийн модны жишээ
Tid Refund Marital
Status
1
Yes
Single
125K
No
2
No
Married
100K
No
3
No
Single
70K
No
4
Yes
Married
120K
No
5
No
Divorced 95K
Yes
6
No
Married
No
7
Yes
Divorced 220K
No
8
No
Single
85K
Yes
9
No
Married
75K
No
10
No
Single
90K
Splitting Attributes
Taxable
Income Cheat
Yes
60K
Refund
Yes
No
NO
MarSt
Single, Divorced
TaxInc
< 80K
NO
NO
> 80K
YES
10
Training Data
Married
Model: Decision Tree

9. Шийдвэрийн модны жишээ
Tid Refund Marital
Status
1
Yes
Single
125K
No
2
No
Married
100K
No
3
No
Single
70K
No
4
Yes
Married
120K
No
5
No
Divorced 95K
No
Married
No
7
Yes
Divorced 220K
No
8
No
Single
85K
Yes
9
No
Married
75K
No
10
No
Single
90K
Yes
Married
Yes
6
10
Taxable
Income Cheat
MarStSingle, Divor
ced
60K
NO
Refund
No
Yes
NO
TaxInc
< 80K
NO
> 80K
YES

10. Шийдвэрийн модны ангилал үүрэг
Tid
Attrib1
Attrib2
Attrib3
Class
1
Yes
Large
125K
No
2
No
Medium
100K
No
3
No
Small
70K
No
4
Yes
Medium
120K
No
5
No
Large
95K
Yes
6
No
Medium
60K
No
7
Yes
Large
220K
No
8
No
Small
85K
Yes
9
No
Medium
75K
No
10
No
Small
90K
Tree
Induction
algorithm
Yes
Induction
Learn
Model
Model
10
Training Set
Tid
Attrib1
Attrib2
11
No
Small
55K
?
12
Yes
Medium
80K
?
13
Yes
Large
110K
?
14
No
Small
95K
?
15
No
Large
67K
?
10
Test Set
Attrib3
Apply
Model
Class
Deduction
Decision
Tree

11. Test Data-д загварыг ашиглах
Test Data
Модны оройноос эхлэнэ.
10
Yes
No
NO
MarSt
Single, Divorced
TaxInc
< 80K
NO
Married
NO
> 80K
YES
Taxable
Income Cheat
No
Refund
Refund Marital
Status
80K
Married
?

12. Test Data-д загварыг ашиглах
Test Data
Refund Marital
Status
No
Refund
10
Yes
No
NO
MarSt
Single, Divorced
TaxInc
< 80K
NO
Married
NO
> 80K
YES
Taxable
Income Cheat
80K
Married
?

13. Test Data-д загварыг ашиглах
Test Data
Refund Marital
Status
No
Refund
10
Yes
No
NO
MarSt
Single, Divorced
TaxInc
< 80K
NO
Married
NO
> 80K
YES
Taxable
Income Cheat
80K
Married
?

14. Test Data-д загварыг ашиглах
Test Data
Refund Marital
Status
No
Refund
10
Yes
No
NO
MarSt
Single, Divorced
TaxInc
< 80K
NO
Married
NO
> 80K
YES
Taxable
Income Cheat
80K
Married
?

15. Test Data-д загварыг ашиглах
Test Data
Refund Marital
Status
No
Refund
10
Yes
No
NO
MarSt
Single, Divorced
TaxInc
< 80K
NO
Married
NO
> 80K
YES
Taxable
Income Cheat
80K
Married
?

16. Test Data-д загварыг ашиглах
Test Data
Refund Marital
Status
No
Refund
Taxable
Income Cheat
80K
Married
?
10
Yes
No
NO
MarSt
Single, Divorced
TaxInc
< 80K
NO
Married
NO
> 80K
YES
Assign Cheat to “No”

17. Шийдвэрийн модны ангилал үүрэг
Tid
Attrib1
Attrib2
Attrib3
Class
1
Yes
Large
125K
No
2
No
Medium
100K
No
3
No
Small
70K
No
4
Yes
Medium
120K
No
5
No
Large
95K
Yes
6
No
Medium
60K
No
7
Yes
Large
220K
No
8
No
Small
85K
Yes
9
No
Medium
75K
No
10
No
Small
90K
Tree
Induction
algorithm
Yes
Induction
Learn
Model
Model
10
Training Set
Tid
Attrib1
Attrib2
11
No
Small
55K
?
12
Yes
Medium
80K
?
13
Yes
Large
110K
?
14
No
Small
95K
?
15
No
Large
67K
?
10
Test Set
Attrib3
Apply
Model
Class
Deduction
Deci
sion
Tree

18. Багцлал
Давхарлагдсан тойрог технологи
 Багцлах даа:

– Хямд бөгөөд ойролцоо ижил төсөөтэй хэмж
игдэхүүн
– Илүү үнэтэй үнэн зөв ижил төсөөтэй хэмжи
гдэхүүн

19. Canopy

Canopy алгоритм
– алгоритм нь багцлах процесс нь 2 үе шатаас бүрд
энэ.
 Эхний үе шат: алгоритм нь давхарлагдсан тойрг
уудын зарим тоог гаргахын тулд зайн хэмжигдэ
хүүнийг ашигладаг. Өгөгдөл цэг бүр нэг эсвэл н
эгээс дээш тойрогт хамрагдах бөгөөд өгөгдөл ц
эг бүр хамгийн багадаа нэг тойрогт хамрагдах ё
стой.
 Хоёрдугаар үе шат: нарийн тодорхой зайн хэмж
игдэхүүнийг ашиглан уламжлалт багцлах аргыг
ашиглана.

20. Canopy

Жишээ
– Давхарлагдсан тойрог нь өгөгдлийн цуглуулгыг хамруулна(х
учина)
Нарийн зураас бүр нь төв цэгтэй хамгийн ойр х
өршийг агуулна
 Тасархай зураас бүр нь төв цэгээс хол хөршийг
агуулна


21. Canopy

22. Canopy

23. Canopy

Хамгийн эхний цэг нь хамгийн эхний тойргийн төв бол
но.(кодон дээр 2-р мөр)
– Өгөгдлийн цуглуулгын бүх өгөгдөл цэгийн төв нь байна
– LS: n ширхэг өгөгдөл цэгийн нийлбэр
– N: өгөгдлийн цуглуулгын тоо хэмжээ
– Xi: d-хэмжээси өгөгдөл цэг

24. Canopy

Оролтын параметр: Creat_circles(D,Rad)
– D нь бүх цэг бөгөөд ямар нэгэн тойрогт хамрагдааг
үй
– Rad нь тойргийн радус
 Өгөгдлийн радус
–
–
R нь тойргийн радус бөгөөд энэ нь бүх өгөгө
л цэгийг агуулна
Area=3.14*Rd

25. Canopy
–
Тэгш өнцөгтийн талбай
– D: цэгийн хэмжээс
– Li: i хэмжээс дэх хамгийн бага утга болон хамгийн их утга хоё
рын хоорондох ялгаа бөгөөд энэ нь i хэмжээсийн урт

Харьцаа талбай=(тойргийн талбай/ тэгш өнцөгтийн та
лбай) эсвэл эсрэгээр нь
Харьцаа талбай=(тэгш өнцөгтийн талбай/тойргийн тал
бай)
0<харьцаа талбай<1

26.  Rad=d*ratio area + ratio area/2
 Тойргийн талбай болон тэгш өнцөгтийн талбай
– Зурагт, эхний хэмжээстийн урт нь 2 цэнхэр өнгийн цэгээр тод
орхойлогдсон(х тэнхлэг), хоёрдугаар хэмжээстийн урт нь 2 у
лаан өнгийн цэгээр тодорхойлогдсон(у тэнхлэг)