什么是数据挖掘模型？

Question

1. 我想知道，有什么直接的就是数据挖掘模型？任何人都可以解释吗？

2. 当我使用Weka的，我把我的数据，选择方法，并通过点击开始按钮生成模型。任何人都可以解释这个模型背后的内容，以及模型在生成后的工作原理。它使用我选择的方法来分类示例？

请问有人能解释这些东西吗？

Answer 1

该模型只是简单描述了试图处理新数据时使用的信息。在简单的垃圾邮件检测情况下，该算法可确定哪些词似乎指向垃圾邮件，哪些不会查看带注释的电子邮件。然后单词列表形成你的模型。

当收到新的电子邮件就不会与其他真正的电子邮件对它们进行比较，而不是你会考虑新的电子邮件的话，检查你的模型（字表）是否似乎表明垃圾邮件或没有。你会发现，你变得独立于你的训练数据，相反你有一个知识，试图模型整个“垃圾邮件与非垃圾邮件”的现实。

Answer 2

假设只有以下与音乐有关的变量：吉他独奏（有/没有），突然的音调变化（有/没有），声乐（有/没有，男性/女性），鼓（有/没有，正规/电子）。

现在，让我们假设你欣赏音乐时，它的吉他独奏，有突然变调，有女主唱，和电子鼓。另一方面，我喜欢音乐，当它有吉他独奏，突然变调，没有声音，并且有规律的鼓声）。

这些偏好可以被认为是我们欣赏音乐的模式。

现在，假设有其中有吉他独奏，突然变调，女主唱，和电子鼓一首歌曲。如果我们要告诉你是否喜欢这首歌曲，答案是肯定的，那是100％的匹配。但是我呢？那么，我欣赏这首歌的5个特点中的3个，所以我很可能喜欢它。

我们上面提供了关于升值与否歌曲的回答可以看作是在机器学习classification任务。现在，如果我们必须根据音乐偏好和上面的音乐特征将所有人分组，那么我们就是clustering音乐听众，等等。

我们如何建立一个模型的东西？当然，从数据。当您与Weka一起工作时，您的.arff文件包含您的训练数据，Weka用这些数据来了解这些数据所描绘的内容（在我们的例子中，它会学习我们的音乐偏好）。

学习过程会生成一个模型，用于对新数据进行分类，对它们进行分组等。例如，如果我们为Weka提供音乐偏好并指示其使用贝叶斯分类器学习模型，那么当我们提供它具有给定歌曲的特征，它将能够分辨出我们是否喜欢那首歌，并且以什么概率出现。