Информационно копаене в Университета на Дуйсбург-Есен Индексни карти и резюмета
Индексни карти и резюмета за извличане на информация в Университета на Дуйсбург-Есен
Научете сега с индексни карти и резюмета за курса по копаене на информация в Университета на Дуйсбург-Есен .
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
Какво е понятие?
Неща, които могат да се научат
- Класификация
- асоциация
- клъстериране
- числово прогнозиране
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
Какви са компонентите на входа?
- Концепции
- Екземпляри
- Атрибути
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
Какви са екземплярите?
индивидуалните, независими примери за концепция, която трябва да се научи
(Възможни са по-сложни форми на въвеждане със зависимости между примери)
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
Какви са атрибутите?
измерване на аспекти на даден екземпляр
- номинален
- редови
- интервал
- съотношение
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
- предсказване на дискретен клас
- контролиран (схемата се предоставя с действителен резултат)
- Резултат = клас на примера
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
Каква е разликата между обучението по асоцииране и класификация?
- AL може да предсказва стойността на всички атрибути, не само на класа и на повече от една стойност на атрибута в даден момент
- Следователно: много повече правила за асоцииране, отколкото правила за класификация
- По този начин: необходими са ограничения, като минимално покритие и минимална точност
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
- Групиране на подобни екземпляри в клъстери
- без надзор (Класът на пример не е известен)
- Успехът често се измерва субективно
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
- предсказване на числова величина
- Вариант на обучение по класификация, където класът е цифров
- наричана още регресия
- контролиран (схемата се предоставя с целева стойност)
- Измерете успеха на тестови данни
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
Генериране на плосък файл
- Процес на изравняване, наречен денормализация (няколко връзки се обединяват, за да се направи едно)
- Възможно с всеки краен набор от крайни отношения
- Проблемно: взаимоотношения без предварително зададен брой обекти
- Имайте предвид, че денормализацията може да доведе до фалшиви закономерности, които отразяват структурата на базата данни
- Пример: „доставчик“ предсказва „адрес на доставчика“
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
- Безкрайните отношения изискват рекурсия
- Подходящите техники са известни като метод на "индуктивно логическо програмиране"
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
- Всеки отделен пример се състои от торбичка (мулти-набор) от екземпляри
- Всички екземпляри са описани от едни и същи атрибути
- Цел на обучението: изгответе описание на концепцията
- Важни приложения от реалния свят:
- предсказване на лекарствената активност: може да се разглежда като торба с различни геометрични разположения на лекарствената молекула
- класификация на изображението: изображението може да бъде представено като пакет от компоненти на изображението
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
Номинални нива на измерване
- Стойностите са различни символи
- Пример: атрибут "outlook" от метеорологичните данни
- Стойности: "слънчево", "облачно", "дъждовно"
- Не се подразбира връзка между номиналните стойности (няма ред или мярка за разстояние)
- Могат да се извършват само тестове за равенство
Колеги от курса по Информационно копаене в Университета на Дуйсбург-Есен. Създавайте и споделяйте обобщения, флаш карти, учебни планове и други учебни материали с интелигентното приложение за учене StudySmarter. Присъедини се сега!
Примерни индексни карти за извличане на информация в Университета на Дуйсбург-Есен на StudySmarter:
Какво е понятие?
Неща, които могат да се научат
- Класификация
- асоциация
- клъстериране
- числово прогнозиране
Какви са компонентите на входа?
- Концепции
- Екземпляри
- Атрибути
Какви са екземплярите?
индивидуалните, независими примери за концепция, която трябва да се научи
(Възможни са по-сложни форми на въвеждане със зависимости между примери)
Какви са атрибутите?
измерване на аспекти на даден екземпляр
- номинален
- редови
- интервал
- съотношение
- предсказване на дискретен клас
- контролиран (схемата се предоставя с действителен резултат)
- Резултат = клас на примера
Каква е разликата между обучението по асоцииране и класификация?
- AL може да предсказва стойността на всички атрибути, не само на класа и на повече от една стойност на атрибута в даден момент
- Следователно: много повече правила за асоцииране, отколкото правила за класификация
- По този начин: необходими са ограничения, като минимално покритие и минимална точност
- Групиране на подобни екземпляри в клъстери
- без надзор (Класът на пример не е известен)
- Успехът често се измерва субективно
- предсказване на числова величина
- Вариант на обучение по класификация, където класът е цифров
- наричана още регресия
- контролиран (схемата се предоставя с целева стойност)
- Измерете успеха на данните от теста
Генериране на плосък файл
- Процес на изравняване, наречен денормализация (няколко връзки се обединяват, за да се направи едно)
- Възможно с всеки краен набор от крайни отношения
- Проблемно: взаимоотношения без предварително зададен брой обекти
- Имайте предвид, че денормализацията може да доведе до фалшиви закономерности, които отразяват структурата на базата данни
- Пример: „доставчик“ предсказва „адрес на доставчика“
- Безкрайните отношения изискват рекурсия
- Подходящите техники са известни като метод на "индуктивно логическо програмиране"
- Всеки отделен пример се състои от торбичка (мулти-набор) от екземпляри
- Всички екземпляри са описани от едни и същи атрибути
- Цел на обучението: изгответе описание на концепцията
- Важни приложения от реалния свят:
- прогнозиране на лекарствената активност: може да се разглежда като торба с различни геометрични разположения на лекарствената молекула
- класификация на изображението: изображението може да бъде представено като торба с компоненти на изображението
Номинални нива на измерване
- Стойностите са различни символи
- Пример: атрибут "outlook" от метеорологичните данни
- Стойности: "слънчево", "облачно", "дъждовно"
- Не се подразбира връзка между номиналните стойности (няма ред или мярка за разстояние)
- Могат да се извършват само тестове за равенство
Регистрирайте се сега безплатно, за да видите всички индексни карти и обобщения за Информационно копаене в Университета на Дуйсбург-Есен
Други курсове от вашата степен програма
За курса ви по Информационен копаене в Университета на Дуйсбург-Есен вече има много курсове по StudySmarter, към които можете да се присъедините. Очакват ви индексни карти, обобщения и много други.