Vytěžování dat – přednáška 7

More documents

Recommendations

Info

Predikovatelnost shluků Použiji křížovou validaci Na každé trénovací množině shluknu data a natrénuji klasifikátor Spočítám podobnost klasifikace na testovacích datech a shlukování testovacích dat. Průměr pro všechny foldy by měl být co největší. Y336VD Vytěžování dat
Shlukování založené na modelech Např: Modelování hustoty pravděpodobnosti gaussovskou směsí (ukážeme si nyní) Model založený na samoorganizující se mapě (příští přednáška) 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 and 32: Silhouette - graf obrysů shluků
Page 33: Hodnocení stability shluknutí Ja
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

Create successful ePaper yourself

Delete template?

Save as template?