マインドマップギャラリー データマイニング
以下に、データ マイニングの概要、データ前処理、ベイズ理論、決定木分類器、ニューラル ネットワーク、サポート ベクター マシンなど、データ マイニングの知識コンテンツをまとめます。
これはバクテリアに関するマインドマップであり、その主な内容には、概要、形態、種類、構造、生殖、分布、アプリケーション、および拡張が含まれます。概要は包括的で綿密で、レビュー資料として適しています。
これは、植物の無性生殖に関するマインドマップであり、その主な内容には、概念、胞子の生殖、栄養生殖、組織培養、芽が含まれます。概要は包括的で綿密で、レビュー資料として適しています。
これは、動物の生殖発達に関するマインドマップであり、その主な内容には、昆虫、カエル、鳥、性的生殖、無性生殖が含まれます。概要は包括的で綿密で、レビュー資料として適しています。
パターン認識
データマイニングツール——WEKA
データマイニングと分析テクノロジーのマインドマップ
データマイニング
CH1 データマイニングの概要
データマイニング、機械学習、人工知能
機械学習フレームワーク
アルゴリズムモデル設計の選択肢
トレーニングセット
テストセット
機械学習のシナリオ
教師あり学習
半教師あり学習
転移学習
教師なし学習
強化学習
機械学習タスク
戻る
分類
構造学習
機械学習アルゴリズム
線形
非線形
ディープラーニング
サポートベクターマシン
デシジョンツリー
K 最近隣 KNN
学習教材とデータマイニングの紹介
データ
データ属性
定性的属性と定量的属性
離散属性と連続属性
データストレージと問題
ストレージ
物理的なタイプ
論理型
データの前処理
データ統合
データクリーニング
データキュレーション
データ変換
データマイニングにおける一般的な問題と手法
データマイニング技術
混同行列
ROC曲線
ROC曲線の描画
ROC曲線の適用
AUC値
クラスタリング
距離測定
アルゴリズム
応用
協会規則
データの前処理(前)
データ削減
CH2データの前処理
欠落、外れ値、重複
欠損データの処理
外れ値
局所外れ値係数
データの説明
機能の選択
特徴抽出
データ変換と記述
物件カテゴリー
型変換
サンプリング
不均衡なデータセット
アップサンプル
エッジサンプリング
標準化
基本的な説明
相関係数
ピアソン積率相関係数
ピアソンカイ二乗検定
特徴選択と特徴抽出
エントロピ
情報量
情報獲得
主成分分析 PCA
線形判別分析 LDA
CH3 ベイズ理論および決定木分類子
ナイーブ・ベイズ
ベイズ理論
例: がんの検査
単純ベイズ分類器
条件付きで独立した
ラプラシアン スムージング
ID3
属性の選択
ID3フレームワーク
決定木の枝刈り分類
エントロピー偏差
CART デシジョン ツリー
CART 分類ツリー
ジニ指数
CART回帰ツリー
最適な分割ポイント
剪定
CH4 ニューラルネットワーク
パーセプトロン
線形分離可能なデータセットの場合
ANDまたはゲート
勾配降下法
損失関数の導出
最小二乗損失関数
NAND NANDゲート
他の線形モデル
線形回帰
経験的誤差
パラメータ計算
定期
ロジスティック関数
ロジスティック曲線
物流
ロジスティック回帰
尤度関数
最尤推定
クロスエントロピーとKLダイバージェンス
多分類問題
ソフトマックスのリターン
多層パーセプトロン
CNN-RNN-トランスフォーマー
CH5 サポート ベクター マシン