MindMap Gallery Computer-Data-Mining-Kurs

Computer-Data-Mining-Kurs

Dies ist eine Mindmap über Data-Mining-Kurse, einschließlich grundlegender Klassifizierungsmethoden, fortgeschrittener Klassifizierungsmethoden, grundlegender Clustering-Methoden usw.

Edited at 2023-11-24 19:46:19

tyyii7sc@bccto.c

Computer-Data-Mining-Kurs

tyyii7sc@bccto.c

Recommended to you
Outline

Neuronale Netze und wiederkehrende Deep-Learning-Neuronale Netze
- 13
tyyii7sc@bccto.c
Neuronale Netze und Deep Learning Convolutional Neural Networks
- 20
tyyii7sc@bccto.c
Die Grundlage neuronaler Netze und Deep Learning
- 10
tyyii7sc@bccto.c
traditionelles neuronales Netzwerk
- 9
tyyii7sc@bccto.c
Ensemble-Lernen
- 12
Deu-Martina
hierarchische Clusterbildung
- 11
Deu-Martina
DBSCAN
- 8
Deu-Martina
K-bedeutet
- 12
Deu-Martina
Maschinelles Lernen (Xigua-Buch) Kapitel 1 Mind Map
- 4
Deu-Martina
KI
- 14
Deu-Martina

Data-Mining

Einstufung

Grundlegende Klassifizierungsmethode

Entscheidungsbaum

Typ

ID3: Basierend auf Informationsgewinn

C4.5: Basierend auf der Informationsgewinnrate

WARENKORB: basierend auf dem Gini-Index

Gängige Algorithmen

Regenwald

Erstellen Sie Bäume basierend auf der AVC-Liste

BOOT

Neubemusterung mit Ersatz

Naiver Bayes

Prämisse: Jedes Attribut ist unabhängig voneinander

Regelbasierte Klassifizierung

WENN-DANN-Regeln

Extraktionsregeln

Direkt aus dem Entscheidungsbaum extrahieren

Extrahieren aus Proben: sequentielle Abdeckungsmethode

Modellbewertung und -auswahl

Auswerten

Verwirrung Matrix

Genauigkeit, Fehlerrate, Sensitivität, Spezifität, Präzision, Rückruf, F-Maß

Holdout-Methode, Kreuzvalidierung, Bootstrap

wählen

hypothetischer Test

ROC-Kurve

Verbessern Sie die Klassifizierungsgenauigkeit

Absacken

Erhöhen

zufälliger Wald

Erweiterte Klassifizierungsmethoden

Bayesianisches Glaubensnetzwerk

Tabelle der bedingten Wahrscheinlichkeit eines gerichteten azyklischen Graphen

Künstliche neurale Netzwerke

Backpropagation-Algorithmus

Unterstützt VektormaschineSVM

Lineare SVM

Nichtlineare SVM

Klassifizierung basierend auf häufigen Mustern

Lazy Learning: KNN, CBR (Fallbasiertes Denken)

Andere Methoden

Genetischer Algorithmus CA

halbüberwachte Lernmethoden

Selbsttraining. Kollaboratives Training

Transferlernen

Clusterbildung

Grundlegende Clustering-Methoden

Divisionsmethode

k-bedeutet

k-Zentrum

PAM

Verbesserungen an PAM

CLARA, CLARANS

hierarchischer Ansatz

kondensieren

BIRHC (inkrementelles Clustering)

Chamäleon (dynamisches Modell)

Teilt

Dichtebasiertes Clustering

DBSCAN

Clustering-Bewertungsmethoden

Schätzen Sie Clustering-Trends

Hopkins-Statistik

Bestimmen Sie die Anzahl der Cluster

empirische Methode

ELLENBOGEN-METHODE

m-fache Gegenbestätigung

Bestimmen Sie die Clustering-Qualität

externe Methode

Gewürfelt

intrinsische Methode

Konturkoeffizient

Erweiterte Clustering-Methoden