跳到正文

CSCI2750

數據挖掘與訊息處理

聚類、頻繁模式挖掘、由樸素貝葉斯到支持向量機的分類器、分類器評估、主成分分析,以及取樣與圖像直方圖。

15 章 · 20 節EN · 繁 · 简
我的課程筆記

你的進度

0/ 20 節已標記完成

下一節: 以平均數作質心:k-means 的目標與迭代

完成記錄儲存在此瀏覽器中。

這門課在網上

CSCI2750 筆記裏的內容

定理卡
39
定義
30
反例
25
概念視角
11
思想史
1
證明透視
20

有思想史的節

這些思想史還沒有放上時間線。

這門課的概念視角還沒有記錄到網上。

在知識圖譜中打開這門課

數字只算這門課 20 節公開筆記裏寫了甚麼,不是網上已記錄的關係。目前其中 0 節已細緻地記錄到網上。

在網上定理卡 39 · 定義 30 · 反例 25 · 概念視角 11 · 思想史 1 · 證明透視 20

這些思想史還沒有放上時間線。

這門課的概念視角還沒有記錄到網上。

在知識圖譜中打開這門課

數字只算這門課 20 節公開筆記裏寫了甚麼,不是網上已記錄的關係。目前其中 0 節已細緻地記錄到網上。

第 1 章 · 1 節

質心聚類

質心聚類

定理 2 · 定義 1反例 2視角 1證明透視 2

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 1.1

    以平均數作質心:k-means 的目標與迭代

    推導質心更新,精確追蹤分配與更新步驟,並分清穩定聚類與全局最佳結果。

第 2 章 · 2 節

模式挖掘

模式挖掘

定理 7 · 定義 3反例 3視角 1思想史 1證明透視 2

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 2.1

    支持次數、安全剪枝與 Apriori

    推導 Apriori 所依據的支持度性質,追蹤候選產生與剪枝,再分清關聯規則的不同指標。

  2. 2.2

    頻繁項集、閉項集與極大頻繁項集

    比較保留支持次數的閉項集與極大頻繁項集,並恢復支持次數。

第 3 章 · 4 節

分類

模型分類與決策樹。

定理 8 · 定義 6反例 4視角 2證明透視 3

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 3.1

    樸素貝葉斯與平滑

    建立二元特徵的類別分數、正規化,並檢視獨立性假設。

  2. 3.2

    決策樹:加權不純度、閾值與泛化

    證明多數葉預測最優及資訊增益非負,計算正確加權分割,處理重複特徵值,並分清貪婪訓練改善與預測表現。

  3. 3.3

    伯努利樸素貝葉斯:對數概率比、零值特徵與平滑

    推導概率與成本敏感決策,擬合二元特徵模型,精確計算後驗,並解釋條件獨立的限制。

  4. 3.4

    k 最近鄰分類

    以最接近的 k 個訓練樣本投票分類,並明確訂出同分規則、特徵縮放、避免洩漏的預處理,以及預測成本。

第 4 章 · 1 節

取樣

理解離散樣本與混疊。

定理 1 · 定義 1反例 1證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 4.1

    取樣、混疊與頻率歧義

    推導不同正弦訊號何以產生完全相同的離散樣本。

第 5 章 · 1 節

感知器更新

嚴格間隔、更新規則及有限更新界。

定理 1反例 1證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 5.1

    感知器:間隔與有限更新次數界

    追蹤明確指定的更新規則,並在嚴格可分假設下證明有限更新保證。

第 6 章 · 1 節

Logistic 模型

二元似然、凸損失與可分數據。

定理 2 · 定義 1反例 1證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 6.1

    Logistic 損失、可分性與正則化

    推導二元 logistic 損失,並研究可分數據為何可能沒有有限最小解。

第 7 章 · 2 節

分類器評估

精確率、召回率及正類比例。

定理 2 · 定義 2反例 3證明透視 2

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 7.1

    精確率、召回率與基率變化

    解讀混淆表,區分條件比率與精確率。

  2. 7.2

    閱讀 ROC 曲線時不要忽略同分

    從含同分的分數建立 ROC 曲線,以梯形法與配對比較兩種方式計算 AUC,並把 ROC 與精確率及決策成本聯繫起來。

第 8 章 · 1 節

灰度直方圖

構造離散累積直方圖及灰度映射。

定理 1 · 定義 1反例 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 8.1

    圖像直方圖與累積灰度映射

    計算離散累積直方圖與全局灰度映射。

第 9 章 · 1 節

線性分類練習

從分類錯誤觸發的更新出發,以投影及範數增長證明間隔上界,並分清已核實的訓練集分離與有限迭代預算。

定理 1 · 定義 2反例 2視角 1證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 9.1

    感知器:偏置、可分性與更新次數上界

    從分類錯誤觸發的更新出發,以投影及範數增長證明間隔上界,並分清已核實的訓練集分離與有限迭代預算。

第 10 章 · 1 節

凝聚階層聚類

連結方法、樹狀圖及閾值連通性。

定理 4 · 定義 3反例 2證明透視 2

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 10.1

    凝聚式聚類:連結準則、樹狀圖與閾值連通性

    推導單連結、全連結與平均連結的更新公式,證明合併高度不會下降,並說清楚單連結樹狀圖的高度切割代表甚麼。

第 11 章 · 1 節

支持向量機

間隔、hinge loss、對偶證明與核函數。

定理 3 · 定義 2反例 1視角 2證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 11.1

    間隔、鉸鏈損失與核函數的意義

    區分分數與幾何間隔,推導硬間隔與軟間隔目標並給出對偶證明,判斷一個函數何時是有效的核函數。

第 12 章 · 1 節

源訊號分離

線性混合、白化與獨立成分分析。

定理 3 · 定義 2反例 1視角 1證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 12.1

    盲源分離:混合訊號能夠及不能揭示甚麼

    把感應器讀數建模為線性混合,說明盲分離為何存在歧義,以協方差矩陣白化,並區分不相關與獨立。

第 13 章 · 1 節

主成分分析

以樣本協方差的特徵向量定義主方向,並給出方差與重建的保證。

定理 1 · 定義 2反例 1視角 1證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 13.1

    主成分分析:中心化協方差與方差最大化

    把主成分定義為樣本協方差矩陣的特徵向量,證明方差最大化與重建性質,並以精確例子計算解釋方差。

第 14 章 · 1 節

距離與數據預處理

度量、相似度量,以及不洩漏測試數據的特徵縮放。

定理 2 · 定義 3反例 1視角 1證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 14.1

    距離與相似度度量,以及特徵縮放

    定義度量,以及 Minkowski、餘弦、Jaccard 與 Hamming 度量,證明哪些滿足三角不等式,並在不洩漏測試數據的前提下應用最小最大縮放與 z 分數標準化。

第 15 章 · 1 節

基於密度的聚類

核心點、邊界點與雜訊點、密度可達,以及 DBSCAN 算法。

定理 1 · 定義 1反例 1視角 1證明透視 1

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 15.1

    DBSCAN:核心點、邊界點與雜訊點

    定義密度可達,陳述 DBSCAN 算法,證明核心點的群組有明確定義,並在精確的一維數據上運行並作參數研究。

Vercel 瀏覽統計與公開頁面效能量度均須分別取得同意,兩者均非使用網站的必要條件。

網站功能儲存(按需使用)

安全、登入及你選擇的偏好會按需使用儲存,與可選統計分開處理。

撤回會停止後續統計;需要卸載已載入的統計程式時,頁面會重新載入。已傳送的資料不會因此刪除。

查看 Cookie 與儲存詳情