80.txt

This complete matlab for neural network

发信人: GzLi (笑梨), 信区: DataMining
标  题: [合集]请教有序属性的数据挖掘问题
发信站: 南京大学小百合站 (Sat May 10 18:22:59 2003)

mining (key) 于Mon May  5 16:45:10 2003)
提到：

属性可以简单的分为：
连续属性，即取实数值的属性；
名义属性，如颜色，方位，性别等；
有序属性，如高、中、低，很差、差、一般、良好、优秀等。
由于传统的符号归纳机器学习没有考虑属性之间的序的关系，因此忽略了有序属性的这
维序信息。
有什么办法能解决这个问题吗，或者有没有这方面的论文？
我找了很久也没发现有这方面的论述，是不是这个问题没有研究的价值？
恳切各位大牛讨论！


daniel (飞翔鸟) 于Mon May  5 16:59:10 2003)
提到：

【 在 mining (key) 的大作中提到: 】
: 属性可以简单的分为：
: 连续属性，即取实数值的属性；
: 名义属性，如颜色，方位，性别等；
: 有序属性，如高、中、低，很差、差、一般、良好、优秀等。
: 由于传统的符号归纳机器学习没有考虑属性之间的序的关系，因此忽略了有序属性的这
: 维序信息。

wrong

: 有什么办法能解决这个问题吗，或者有没有这方面的论文？
: 我找了很久也没发现有这方面的论述，是不是这个问题没有研究的价值？
: 恳切各位大牛讨论！

连续属性/离散属性，有序属性/无序属性，本来是不同的划分方式，有序属性
和连续属性严格地说是不应该放到一起的
有序属性/无序属性10多年前就被研究过了，现在的很多工作其实是基于这种划分
的。比较早的可以看Utgoff和Brodley在ICML90的文章。


NAOMIELIE (雁来红) 于Mon May  5 17:07:11 2003)
提到：

I think what he metioned is statistics people's viewpoint:
cardinal, nominal, ordinal, categorical, numerical, etc.

【 在 daniel 的大作中提到: 】
: 【 在 mining (key) 的大作中提到: 】
: wrong
: 连续属性/离散属性，有序属性/无序属性，本来是不同的划分方式，有序属性
: 和连续属性严格地说是不应该放到一起的
: 有序属性/无序属性10多年前就被研究过了，现在的很多工作其实是基于这种划分
: 的。比较早的可以看Utgoff和Brodley在ICML90的文章。


daniel (飞翔鸟) 于Mon May  5 17:10:55 2003)
提到：

【 在 NAOMIELIE (雁来红) 的大作中提到: 】
: I think what he metioned is statistics people's viewpoint:
: cardinal, nominal, ordinal, categorical, numerical, etc.

ordinal是指序数属性
有序/无序是ordered/unordered

: 
: 【 在 daniel 的大作中提到: 】


mining (key) 于Mon May  5 18:25:55 2003)
提到：

谢谢daniel大虾的指点。确实我说的的分类方法存在问题。
我做这方面的工作时间很短，对有些概念的理解很浅薄。尤其是对这方面研究的历史无
所了解，所以制约了对一些问题的理解。
但我还是有一个疑问：
虽然这个问题被研究了，但为什么现在的符号归纳机器学习很少提及这个问题呢？
比如说ID3算法，显然就不能考虑这种序信息，它可能挖到两条这样的规则：
if experience(good) then accept；
if experience(excellent) then accept.
对于人们而言很容易就能知道第一条规则与第二条规则之间的关系。
但现在的机器学习算法却没考虑这种关系， 而是将其作为两条毫无关系规则。
难道无需考虑吗？
请大家指点。

【 在 daniel (飞翔鸟) 的大作中提到: 】
: 【 在 NAOMIELIE (雁来红) 的大作中提到: 】
: ordinal是指序数属性
: 有序/无序是ordered/unordered


daniel (飞翔鸟) 于Mon May  5 19:30:04 2003)
提到：

【 在 mining (key) 的大作中提到: 】
: 谢谢daniel大虾的指点。确实我说的的分类方法存在问题。
: 我做这方面的工作时间很短，对有些概念的理解很浅薄。尤其是对这方面研究的历史无
: 所了解，所以制约了对一些问题的理解。
: 但我还是有一个疑问：
: 虽然这个问题被研究了，但为什么现在的符号归纳机器学习很少提及这个问题呢？
: 比如说ID3算法，显然就不能考虑这种序信息，它可能挖到两条这样的规则：
: if experience(good) then accept；
: if experience(excellent) then accept.
: 对于人们而言很容易就能知道第一条规则与第二条规则之间的关系。
: 但现在的机器学习算法却没考虑这种关系， 而是将其作为两条毫无关系规则。
: 难道无需考虑吗？
: 请大家指点。

ID3不是“现在的”方法，提出ID3的时候，ordered/unordered的划分还没被提出来。
另外，ID3不是规则学习算法，怎么得出规则，并不是ID3 care的事情。

: 【 在 daniel (飞翔鸟) 的大作中提到: 】


mining (May_flowers) 于Mon May  5 19:43:11 2003)
提到：

那请问有什么算法能考虑这个问题吗？因为我感觉这确实是一个问题。
如果没有，我们可以研究，如果有对问非常有用！
谢谢。

【 在 daniel (飞翔鸟) 的大作中提到: 】
: 【 在 mining (key) 的大作中提到: 】
: ID3不是“现在的”方法，提出ID3的时候，ordered/unordered的划分还没被提出来。
: 另外，ID3不是规则学习算法，怎么得出规则，并不是ID3 care的事情。


mining (May_flowers) 于Mon May  5 19:53:38 2003)
提到：

我找到了Hybrid Decision Tree ——Zhi-Hua Zhou, Zhao-Qian Chen
我想我还是先拜读了你的大作，有问题再向你请教吧。
非常感谢。

【 在 mining (May_flowers) 的大作中提到: 】
: 那请问有什么算法能考虑这个问题吗？因为我感觉这确实是一个问题。
: 如果没有，我们可以研究，如果有对问非常有用！
: 谢谢。
: 【 在 daniel (飞翔鸟) 的大作中提到: 】