2.2. Cách thức thu thập dữ liệu
Nhóm tiến hành thu thập dữ liệu từ việc khảo sát các khách hàng trên
địa bàn Hà Nội về ý định rời bỏ ngân hàng thông qua
hình thức trực tiếp: phỏng vấn và hình thức trực tuyến: gửi link khảo sát.
2.3. Hiển thị một phần dữ liệu
III.Giới thiệu các thuật toán sử dụng
3.1.Thuật toán phân lớp
3.1.1.Khái niệm
Phân lớp dữ liệu là kĩ thuật dựa trên tập huấn luyện và những giá trị hay là nhãn của lớp trong 1 thuộc tính phân lớp trong 1 thuộc tính phân lớp và sử dụng nó trong việc phân lớp dữ liệu mới. Phân lớp cũng là tiên đoán loại lớp của nhãn. Bên cạnh kĩ thuật phân lớp có 1 hình thức tương tự là kĩ thuật tiên đoán, kĩ thuật tiên đoán khác với phân lớp ở chỗ phân lớp chỉ liên qua đến tiên đoán loại lớp của nhãn còn kĩ thuật tiên đoán mô hình những hàm đánh giá liên tục
3.1.2.Quá trình phân lớp dữ liệu
Kĩ thuật phân lớp được tiến hành bao gồm 2 bước: Xây dựng mô hình và sử dụng mô hình
Xây dựng mô hình: Là mô tả 1 tập hợp những lớp được định nghĩa trước trong đó: mỗi bộ hoặc mẫu được gán thuộc về 1 lớp định nghĩa trước như là được xác định bởi thuộc tính nhãn lớp, tập hợp của những bộ được sử dụng trong việc sử dụng mô hình được gọi tập huấn luyện. Mô hình được biểu diễn là những luật phân lớp, cây quyết định và những công thức toán học.
Sử dụng mô hình: Việc sử dụng mô hình phục vụ cho mục đích phân lớp dữ liệu trong tương lai hoặc phân lớp cho những đối tượng chưa biết đến. Trước khi sử dụng mô hình người ta thuồng đánh giá tính chính xác của mô hình trong đó: nhãn được biết của mẫu kiểm tra được so sánh với kết quả phân lớp của mô hình, độ chính xác là phần trăm của tập hợp mẫu kiểm tra mà phân loại đúng bởi mô hình, tập kiểm tra là độc lập với tập huấn luyện.
Phân lớp là 1 hình thức học được giám sát tức là: tập dữ liệu huấn luyện (quan sát, thẩm định…) đi đôi với những nhãn chỉ định lớp quan sát , những dữ liệu mới được phân lớp dựa trên tập huấn luyện
Chia sẻ với bạn bè của bạn: |
