Page 1
ClasificareClasificareClasificareMarina Gorunescu Marina Gorunescu [email protected] @inf.ucv.ro
Page 2
Despre clasificare
Page 13
pattern recognition
Page 16
aplicatii ale clasificarii
Page 17
Obiecte si caracteristici
Page 18
clase (categorii)
Page 20
caracteristici (atribute)
Page 21
exemple actuale de clasificari automate
Page 22
Alegereacaracteristicilor
Page 23
exemple clasice in literatura de specialitate
Page 27
alegerea caracteristicilor
Page 38
frontiera de decizie
Page 39
spatiul bidimensional al caracteristicilor
Page 49
alegerea optima a caracteristicilor
Page 57
procentaj clasificarecorecta
Page 58
misclassification matrix
Page 59
etapele unei probleme de clasificare
Page 60
pre-procesarea datelorasigură
Page 61
clasificarea datelor
Page 71
clasificatorul liniar
Page 73
Clasificarea bayesiană
Page 76
probabilitateaconditionata
Page 97
problema juridica sisociala
Page 102
regula de deciziebayesiana
Page 108
clasificarea naiva Bayes
Page 111
multime de antrenament
Page 123
clasificarea naiva a textelor
Page 124
clasificareadocumentelor
Page 125
clasificarea bayesiananaiva (soft clustering)
Page 136
Arbori de clasificare şidecizie
Page 138
arbore de clasificare şidecizie
Page 139
nodul radacina, ramuri, noduri de decizie
Page 148
in exemplul dat avem:
Page 151
reguli de clasificare
Page 161
masura de impuritate
Page 162
masura entropiei
Page 165
informatia castigata
Page 166
informatie scontata
Page 180
multimea de antrenament
Page 192
masura de impuritate Gini
Page 220
masura clasificariigresite
Page 250
prior probabilities
Page 251
missclassification costs
Page 255
overfitting/underfitting
Page 259
Clasificarea bazată pereguli de asociere
Page 261
regula de asociere
Page 262
metode de construire a regulilor de asociere
Page 263
regulile de asociere pot fi:
Page 270
analiza cosului de consum
Page 299
fasonare cu suport minim
Page 304
caracteristicile metodei
Page 307
avantajele metodei
Page 308
K- nearest neighbor
Page 311
alegerea distantei
Page 334
consideratii asuprametodei