機器學習_規則與關聯規則模型Apriori、FP-Growth

1. 什麼時候使用規則模型  機器學習時常遇到一個問題:當數據並不徹底可分時,分類器得分不高。真實世界中的數據常常是這樣:各類無心義數據和少許有意義數據混在一塊兒,無心義數據又沒什麼規律,沒法統一去除。好比說,對股票外匯市場受各類因素影響,預測第二天漲跌通常各算法效果都很差。雖然找不到通用的規則,卻能在數據中探索到一些模式,好比十字星,孕線,三隻烏鴉等組合仍是具備必定的預測性。  以前使用決策樹時
相關文章
相關標籤/搜索