Vytěžování dat – přednáška 7

More documents

Recommendations

Info

Hodnocení shluknutí pomocí Silhouette Který výstup K-means je lepší? Ten, který má lepší průměr hodnoty s(i) pro všechny instance. Ideálně na testovacích datech. Y336VD Vytěžování dat
Hodnocení stability shluknutí Jak na to? Náhodným smazáním např. 10% různých instancí vygenerovat M podmožin dat Spustit shlukování pro všechny podmnožiny Spočítat průměr shody zařazení do shluků pro všechny kombinace podmnožin Čím vyšší, tím lepší … Y336VD Vytěžování dat
Page 1 and 2: Česk eské vysoké vysok učen en
Page 3 and 4: Co to je ta „výpočetní …“
Page 5 and 6: Osnova dnešní přednášky Metod
Page 7 and 8: Metrika, Euklidovská vzdálenost
Page 9 and 10: Kosinová vzdálenost Je invariant
Page 11 and 12: Shluky, reprezentanti Výsledky an
Page 13 and 14: Jak byste problém řešili vy? Ja
Page 15 and 16: Single linkage Ze shluku vždy vyb
Page 17 and 18: Centroid linkage Reprezentantem sh
Page 19 and 20: Záleží na tom, kde „řízneme
Page 21 and 22: Hierarchické shlukování Pseudok
Page 23 and 24: K-means Reprezentanti - zde se jme
Page 25 and 26: Jak K-means pracuje? Náhodně ini
Page 27 and 28: Algoritmus k-středů Pseudokód a
Page 29 and 30: Počet středů (shluků) Pro K-me
Page 31: Silhouette - graf obrysů shluků
Page 35 and 36: Shlukování založené na modelech
Page 37 and 38: Směs gausovských rozdělení M k
Page 39 and 40: Aplikační oblasti shlukové anal
Page 41: http://www.cs.umd.edu/hcil/hce/ Y33

Vytěžování dat – přednáška 7

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?