算法 自动采集列表(基于KStar算法水*敏*感*词*像分类预测应用：操作步骤缺失值的处理方式 )

　　算法 自动采集列表(基于KStar算法水*敏*感*词*像分类预测应用：操作步骤缺失值的处理方式

)

　　基于KStar算法的水彩图像分类预测应用流程图：

　　第 1 步：数据准备

　　1.本文档提供了采集收到的水样数据。详情请参考示例数据文件：“Sample Data.xls”。

　　2. 设置“number of samples.xls”文件中204条数据中的前180条数据作为训练数据集，后24条数据作为测试数据集。

　　第 2 步：制定计划

　　登录TipDM平台后的默认页面是“项目管理”。在此页面上，选择“数据分类”以创建一个新项目。项目名称：基于KStar算法的水彩分类预测模型。方案描述：通过对捕获的水样图像进行自动裁剪进行图像预处理，然后利用图像特征提取算法提取水样图像的特征值，建立水样/数据信息与水质类别的对应关系，从而达到水质预测的目的。

　　操作步骤三：数据管理

　　计划创建完成后，点击“数据管理”，点击“浏览”找到“Sample Data.xls”，点击“上传”将数据导入到计划中。如果数据没有及时显示出来，点击“刷新”显示导入的数据。

　　操作步骤 4：预测建模

　　在系统菜单栏中，选择“分类和回归”。子菜单“组合算法”有这次使用的算法“KStar算法”。点击菜单右侧的 ，显示算法页面。

　　1、 导入专家样本数据：选择所有数据列和行1到180导入专家样本数据。

　　2、 参数设置：点击“参数设置”按钮，弹出参数设置框。有四个参数可以设置：“混合信息熵”、“全局混合值”、“缺失处理模式”和“预测输出”。

　　主要建模参数说明：

　　²混合信息熵：是否使用混合信息熵。

　　²全局混合值：全局混合参数，参数值在[0, 100]中选择。

　　²缺失处理方式：缺失值的处理方式。

　　²预测输出：选择“True”，交叉验证和模型训练时，输出样本的预测结果。

　　3、模型训练、交叉验证、模型验证、模型预测等运营部门参考图例。

　　图形示例：