0
我对如何验证通过data mining algorithms生成的我们的data mining models的有用性有些困惑。对于classification，我确定我们可以将Partition数据转换为测试和训练集。我们如何确定从clustering and association生产的模型的有效性？验证数据挖掘模型的成功
A
回答
0
关联规则可以用于预测，因此可以通过分割数据以相同的方式进行评估。
聚类：你会怎样使用反正呢？
“证明”群集的方式是使用结果来改善分类性能，或者通过向人类用户提供洞察。如果用户从集群中获得了洞察力，那么它就起作用了！
0
对于聚类（和关联规则），您可以使用交叉验证来验证准确性。例如，Weka提供了检查聚类准确性的工具，以便您可以调整参数（例如，聚类数量等）。检查此相关question
相关问题
- 1. 数据挖掘模型名称由DMX
- 2. 什么是数据挖掘模型？
- 3. 错误（数据挖掘）：在挖掘模型中未指定任何案例
- 4. python数据挖掘
- 5. 数据挖掘字符串
- 6. 数据挖掘情况
- 7. 数据挖掘教科书
- 8. “相似性”数据挖掘
- 9. R数据挖掘语法
- 10. Google数据挖掘工具
- 11. 文本挖掘中的功能数
- 12. 通过SQL Analysis Services挖掘模型检查/挖掘的前端应用程序
- 13. 数据挖掘海量数据
- 14. Twitter的数据挖掘：分离
- 15. C＃的数据挖掘资源
- 16. 轻松挖掘数据库的工具
- 17. 与Django的数据挖掘问题
- 18. 比较数据挖掘中的序数类型
- 19. .net图挖掘
- 20. DMQL数据挖掘查询语言
- 21. 数据挖掘引擎和框架？
- 22. 3维数据挖掘性能
- 23. 数据挖掘算法比较
- 24. 数据挖掘库和许可限制
- 25. 哪种数据挖掘算法最好？
- 26. 数据挖掘SSE通过集群K
- 27. SQL Server数据挖掘资源
- 28. 如何文本挖掘特定数据
- 29. 堆积在数据挖掘中
- 30. 使用Python进行数据挖掘
您也可以定义用于聚类和关联的测试集。 – axiom 2015-03-30 18:30:48