436.txt

This complete matlab for neural network

发信人: easehawking (以鹰行猎), 信区: DataMining
标  题: Re: 菜鸟关于DM的看法
发信站: 南京大学小百合站 (Wed Jul 24 19:46:50 2002)

问题就是研究的动力。所问的正好的与我所作工作的相关，让我感到欣慰。因为我的数学
烂，搞算法不在行，只好去做些实际的东东。

首先，我的研究是以知识体本身为主发点，这其中借用了面向对象的思想。因为挖掘到的
知识才是客户最关心的。而各种算法（包括预处理算法）被推到次要的地位。挖掘出了知
识，就必须在实践领域中使用它。特别象神经网络这类的，根本没法看；而决策树等直观
的知识最后目的还是使用。同样，真正的评价也必须是在实践中去检验，支持度置信度来
源于训练集，没有太大的实际意义。

现在己存在多种知识表示方式，但没有一种是万能了。我的做法是对现状妥协，为每类知
识表示方式开发各种组件原型。组件原型装入知识数据，就行为一个知识实例，可以直接
使用。

组件可以用通用的技术开发，如COM、CORBA和JAVA BEAN等，从而挖掘系统挖出的知识可以
被其它系统调用（只需它们建立一个组件并载入知识数据）。

接着，该说DM了。知识库中的知识数据可以来自实用域的经验之类。专家系统的挫折证明
这样的不可行，所以才要DM嘛。因此，实用型的知识组件都会配有一个（或多个）知识抽
取组件，以从训练数据集中挖掘知识。象神经网络会配BP算法（或更好的算法）去训练。
出于对混合算法的考虑，我还允许高级的知识之间变换，比如规则<-->神经网络。除此之
外还吸收了基于范例推理（CBR）的思想。

其次，GzLi说了，调节生产参数可以创利。同样，不少挖掘算法自身也要调节参数，才能
达到最佳的效果。我也考虑了这种情况，并设想其调节的方式，自动或半自动地选择次最
算法参数。难度巨大。

以上只是我的一点想法。它有没有前途，首先要看它的价值，其次还要看它是否可行。因
为实现工作还没完成，可能就显得大而空，因为这样就把DM扩大成自适应自学习系统了。
但是DM提出者是把数据分析从业务系统中分离出来，而我又想把它放回去，不知道是不是
一种退化。

即使有意义，接下来还有一大堆工作要做，涉及已有数据库、过程控制等技术及知识库、
优化等这些老大难问题。
【 在 highso 的大作中提到: 】
: 所谓DM，搞来搞去都是完美的算法，首先且不论这些算法
: 是否具有普遍适用性，就是这些算法的实现，也不是很容易
: 的事情，实现了算法，提取了所谓的知识，或者说规则，
: 怎么合理的评判这些规则，怎么使用这些规则，都有很大的问题
: 所以DM注定了实用性上是大打折扣，可信度上也很值得怀疑
: 所以是不是这也是DM的悲哀？
: 我不是搞DM的，只是想在课题中用到DM，可是发现要去实现一个
: 算法并不是很easy，希望有人能指点一下。
: 不当之处，请大侠指正。

--
清除前进路上的一切障碍！

※ 来源:．南京大学小百合站 http://bbs.nju.edu.cn [FROM: 210.53.42.132]