Ťažba informácií na Univerzite Duisburg-Essen Karty registra a súhrny

Registračné karty a súhrny pre ťažbu informácií na univerzite v Duisburgu - Essene

Naučte sa teraz s indexovými kartami a súhrnmi pre kurz Informačná ťažba na univerzite v Duisburgu v Essene .

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

Čo je to koncept?

informácií

Veci, ktoré sa dajú naučiť

  • Klasifikácia
  • združenie
  • zhlukovanie
  • numerická predpoveď

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

Akí sú zložitelia vstupu?

  • Koncepty
  • Inštancie
  • Atribúty

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

Čo sú to inštancie?

jednotlivé nezávislé príklady konceptu, ktorý sa treba naučiť

(Možné sú komplikovanejšie formy vstupu so závislosťami medzi príkladmi)

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

Čo sú to atribúty?

meranie aspektov inštancie

  • nominálny
  • ordinálna
  • interval
  • pomer

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

  • predpovedanie diskrétnej triedy
  • pod dohľadom (schéma je poskytnutá so skutočným výsledkom)
  • Výsledok = trieda príkladu

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

Aký je rozdiel medzi učením asociácie a klasifikácie?

  • AL dokáže predpovedať hodnotu ľubovoľného atribútu, nielen triedy, a hodnotu viac ako jedného atribútu súčasne
  • Preto: oveľa viac asociačných pravidiel ako klasifikačných pravidiel
  • Teda: sú potrebné obmedzenia, ako napríklad minimálne pokrytie a minimálna presnosť

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

  • Zoskupovanie podobných inštancií do klastrov
  • bez dozoru (Trieda príkladu nie je známa)
  • Úspech sa často meral subjektívne

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

  • predpovedanie číselnej veličiny
  • Varianta klasifikačného učenia, kde je trieda číselná
  • nazýva sa aj regresia
  • pod dohľadom (Schéma je poskytovaná s cieľovou hodnotou)
  • Merajte úspešnosť na testovacích dátach

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

Generuje sa plochý súbor

  • Proces sploštenia nazývaný denormalizácia (niekoľko vzťahov je spojených do jedného)
  • Možné s akoukoľvek konečnou sadou konečných vzťahov
  • Problematické: vzťahy bez vopred určeného počtu objektov
  • Upozorňujeme, že denormalizácia môže spôsobiť nepravdivé zákonitosti, ktoré odrážajú štruktúru databázy
    • Príklad: „dodávateľ“ predpovedá „adresu dodávateľa“

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

  • Nekonečné vzťahy si vyžadujú rekurziu
  • Vhodné techniky sú známe ako metóda „induktívneho logického programovania“

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

  • Každý jednotlivý príklad obsahuje vrecko (viacnásobné) inštancií
    • Všetky inštancie sú opísané rovnakými atribútmi
  • Cieľ učenia: vytvoriť popis koncepcie
  • Dôležité aplikácie v reálnom svete:
    • predpoveď aktivity liečiva: dá sa považovať za vak rôznych geometrických usporiadaní molekuly liečiva
    • klasifikácia obrázkov: obrázok je možné znázorniť ako vak s obrazovými komponentmi

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

Nominálne úrovne merania

  • Hodnoty sú zreteľné symboly
  • Príklad: atribút „výhľad“ z údajov o počasí
    • Hodnoty: „slnečno“, „zamračené“, „daždivo“
  • Medzi nominálnymi hodnotami nie je nijaký vzťah (žiadne usporiadanie alebo meranie vzdialenosti).
  • Môžu sa vykonať iba testy rovnosti

Študenti na kurze ťažby informácií na univerzite v Duisburgu v Essene. Vytvárajte a zdieľajte súhrny, kartičky, učebné plány a ďalšie učebné materiály s inteligentnou vzdelávacou aplikáciou StudySmarter. Pridať sa teraz!

Príklady indexových kariet na ťažbu informácií na University of Duisburg-Essen v štúdiu StudySmarter:

Čo je to koncept?

Veci, ktoré sa dajú naučiť

  • Klasifikácia
  • združenie
  • zhlukovanie
  • numerická predpoveď

Akí sú zložitelia vstupu?

  • Koncepty
  • Inštancie
  • Atribúty

Čo sú to inštancie?

jednotlivé nezávislé príklady konceptu, ktorý sa treba naučiť

(Možné sú komplikovanejšie formy vstupu so závislosťami medzi príkladmi)

Čo sú to atribúty?

meranie aspektov inštancie

  • nominálny
  • ordinálna
  • interval
  • pomer

  • predpovedanie diskrétnej triedy
  • pod dohľadom (schéma je poskytnutá so skutočným výsledkom)
  • Výsledok = trieda príkladu

Aký je rozdiel medzi učením asociácie a klasifikácie?

  • AL dokáže predpovedať hodnotu ľubovoľného atribútu, nielen triedy, a hodnotu viac ako jedného atribútu súčasne
  • Preto: oveľa viac asociačných pravidiel ako klasifikačných pravidiel
  • Teda: sú potrebné obmedzenia, ako napríklad minimálne pokrytie a minimálna presnosť
  • Zoskupovanie podobných inštancií do klastrov
  • bez dozoru (Trieda príkladu nie je známa)
  • Úspech sa často meral subjektívne
  • predpovedanie číselnej veličiny
  • Varianta klasifikačného učenia, kde je trieda číselná
  • nazýva sa aj regresia
  • pod dohľadom (Schéma je poskytovaná s cieľovou hodnotou)
  • Merajte úspešnosť na testovacích dátach

Generuje sa plochý súbor

  • Proces sploštenia nazývaný denormalizácia (niekoľko vzťahov je spojených do jedného)
  • Možné s akoukoľvek konečnou sadou konečných vzťahov
  • Problematické: vzťahy bez vopred určeného počtu objektov
  • Upozorňujeme, že denormalizácia môže spôsobiť nepravdivé zákonitosti, ktoré odrážajú štruktúru databázy
    • Príklad: „dodávateľ“ predpovedá „adresu dodávateľa“
  • Nekonečné vzťahy si vyžadujú rekurziu
  • Vhodné techniky sú známe ako metóda „induktívneho logického programovania“
  • Každý jednotlivý príklad obsahuje vrecko (viacnásobné) inštancií
    • Všetky inštancie sú opísané rovnakými atribútmi
  • Cieľ učenia: vytvoriť popis koncepcie
  • Dôležité aplikácie v reálnom svete:
    • predpoveď aktivity liečiva: dá sa považovať za vak rôznych geometrických usporiadaní molekuly liečiva
    • klasifikácia obrázkov: obrázok je možné znázorniť ako vak s obrazovými komponentmi

Nominálne úrovne merania

  • Hodnoty sú zreteľné symboly
  • Príklad: atribút „výhľad“ z údajov o počasí
    • Hodnoty: „slnečno“, „zamračené“, „daždivo“
  • Medzi nominálnymi hodnotami nie je nijaký vzťah (žiadne usporiadanie alebo meranie vzdialenosti).
  • Môžu sa vykonať iba testy rovnosti

Zaregistrujte sa teraz zadarmo a pozrite si všetky indexové karty a súhrny pre ťažbu informácií na univerzite v Duisburg-Essene

Ďalšie kurzy z vášho študijného programu

Pre váš kurz ťažby informácií na univerzite v Duisburgu v Essene už existuje veľa kurzov na StudySmarter, ku ktorým sa môžete pripojiť. Čakajú vás kartičky s indexom, súhrny a oveľa viac.