3.2特征归约 ·在进行数据归约时不但要处理干扰数 据和污染数据,而且要处理不相关 相关、冗余数据。为了提高效率,通 常单独处理相关特征,只选择与挖掘 应用相关的数据,以达到用最小的测 量和处理量获得最好的性能。特征归 约的目标
3.2 特征归约 在进行数据归约时不但要处理干扰数 据和污染数据，而且要处理不相关、 相关、冗余数据。为了提高效率，通 常单独处理相关特征，只选择与挖掘 应用相关的数据，以达到用最小的测 量和处理量获得最好的性能。特征归 约的目标：
更少的数据,以便挖掘算法能更快的学 ·更高的挖掘处理精度以便更好地从数 据中归纳出模型。 ·简单的挖掘处理结果,以便理解和使用 起来更加容易。 更少的特征,以便在下一次数据收集中, 通过去除冗余或不相关特征做到节俭
更少的数据，以便挖掘算法能更快的学 习。 更高的挖掘处理精度，以便更好地从数 据中归纳出模型。 简单的挖掘处理结果，以便理解和使用 起来更加容易。 更少的特征，以便在下一次数据收集中， 通过去除冗余或不相关特征做到节俭
特征归约的目标与任务 1特征选择-基于应用领域的知识和挖掘 的目标,选择初始数据集中特征的一个子 集 2特征构成-有一些数据的转换对挖掘方 法的结果有惊人影响,因此特征构成是 个比特殊的挖掘技木更有决定性因素。特 征构成依赖于应用的知识。交叉学科知识 的应用有利于数据准备的改进
特征归约的目标与任务： 1.特征选择－基于应用领域的知识和挖掘 的目标，选择初始数据集中特征的一个子 集。 2.特征构成－有一些数据的转换对挖掘方 法的结果有惊人影响，因此特征构成是一 个比特殊的挖掘技术更有决定性因素。特 征构成依赖于应用的知识，交叉学科知识 的应用有利于数据准备的改进
特征选择方法: 1特征排列算法:特征等级列表是根据特有的评 佔测量标准进行排序的。测量标准基于可用数据 的精度、一致性、信息内容、样本之间的距离和 特征之间的最终统计相关性。它仅指出特征间的 相关性,不提供子集。 2最小子集算法:返回一个最小特征子集,子集 中的特征之间没有等级区别。子集中的特征与挖 掘过程相关,其余的则是不相关的。 ·在特征选择过程中需要建立特征评估方案来确定 等级排列或特征子集选择,这一点很重要
特征选择方法： 1.特征排列算法：特征等级列表是根据特有的评 估测量标准进行排序的。测量标准基于可用数据 的精度、一致性、信息内容、样本之间的距离和 特征之间的最终统计相关性。它仅指出特征间的 相关性，不提供子集。 2.最小子集算法：返回一个最小特征子集，子集 中的特征之间没有等级区别。子集中的特征与挖 掘过程相关，其余的则是不相关的。 在特征选择过程中需要建立特征评估方案来确定 等级排列或特征子集选择，这一点很重要
例如,若一个数据集有3个特征A1,A2A3} 特征出现或不出现取值0.1,共有23个归约的 特征子集, {0.0,00,0,13{0,1,0}{0,1,13{1,0,0}{1,0,1}, {1,1,0}{1,1,1 特征选择的任豸是搜索空间中的每一种状态 都指定可能特征的一个子集。此问题n3, 空间较小,但大多数挖掘应用,n>20.搜 索起点和搜索策略相当重要,常常用试探 搜索代替穷举搜索
例如，若一个数据集有３个特征{A1,A2,A3}, 特征出现或不出现取值0,1，共有2 3个归约的 特征子集, {0,0,0},{0,0,1},{0,1,0},{0,1,1},{1,0,0},{1,0,1}, {1,1,0},{1,1,1} 特征选择的任务是搜索空间中的每一种状态 都指定可能特征的一个子集。此问题n=3, 空间较小，但大多数挖掘应用，n>20，搜 索起点和搜索策略相当重要，常常用试探 搜索代替穷举搜索