纸巾 技术支持 东莞网站建设,修改wordpress文章发布页,郴房网,园区网站建设需求调研报告来自于深圳技术大学#xff0c;此笔记涵盖了期末老师画的重点知识#xff0c;分享给大家。 等深分箱和等宽分箱的区别#xff1a;等宽分箱基于数据的范围来划分箱子#xff0c;每个箱子的宽度相等。等深分箱基于数据的观测值数量来划分箱子#xff0c;每个箱子包含相同数量… 来自于深圳技术大学此笔记涵盖了期末老师画的重点知识分享给大家。 等深分箱和等宽分箱的区别等宽分箱基于数据的范围来划分箱子每个箱子的宽度相等。等深分箱基于数据的观测值数量来划分箱子每个箱子包含相同数量的数据点。 文本编辑相似度度量方法 类比直角坐标系中两点距离理解一下公式。 r 是一个正整数称为参数或次数。当 r1 时明氏距离变为曼哈顿距离当 r2 时它变为欧几里得距离。
曼哈顿距离是 单单每个类型的距离差之和。 X (-3, -2, -1, 0, 1, 2,3) Y (9, 4, 1, 0, 1, 4, 9)这个例子pearson的r是0 。
pearsonCOVx,y/x的标准差*y的标准差。 独热编码将每个标称属性进行扩充 p将一个颜色标称属性扩充为4个二元属性分别对应黑、白、蓝、 黄四种取值。对于每一个产品它在这四个属性上只能有一个取1 其余三个都为0所以称为独热编码 * 最大最小值未知或者离群点影响较大时 ** 确定程度较高对应的信息熵也较小。 n 数据点被完全打乱的时候难以理解其意思造成不确定性也 就多了对应的信息熵也变大了。 选择信息增益最大的分隔点 * 既可以降低数据“维数” 又保留了原数据的大部分信息 示例 D 如果当某属性两个样例都为0对聚类的影响不大例如医院体检两个人某种不重要的病毒抗原都是阴性则不影响分到不同聚类。
这个时候abcd中的d就没啥用了。 通俗理解jaccard不一样的个数/不一样的个数都为1的个数
jaccard数值小的越相似。 误差平方和不再减小 SSESum of Squared Errors误差平方和是一种用于衡量聚类质量的指标。SSE计算的是每个数据点到其所属簇的中心的距离的平方之和。
kmeans算法还会受到离群点规模形状密度影响。 *** 邻域以样本为中心eps为半径所包括的点。
核心点这个点的圈圈囊括的点的数量达到最小阈值 minpts
边界点这个点的圈圈所囊括的点的数量未达到最小阈值 minpts但是被核心点圈住了。
噪声点既没有被核心点圈住自己的圈圈里也没有达到最小阈值数量 直接密度可达单个核心点它圈圈里的点它可以直接可达的点。
密度可达例如 A密度可达B A必须是核心点 意味着A可通过链接其他核心点最终到达BB可以是核心点也可以是边界点。密度可达是非对称的。
密度相连跟密度可达唯一不同的是 A可以是边界点即A可通过链接其他核心点最终到达B 1.遍历数据集中的点判断是否是核心如果是创建簇进行2如果不是列为噪声点或边界点。
2.把核心点直接密度可达的点加入到簇中
3.循环直到没有新的点添加到簇中 决策树
B站视频http://【【数据挖掘】决策树零基础入门教程手把手教你学决策树】https://www.bilibili.com/video/BV1T7411b7DG?vd_source1a684a3a1b9d05485b3d6277aeeb705d IGX|Y表示X在以Y为条件分为两类后各类的加权熵比原来的熵减少了多少。 除了用熵来确定最优决策类别还能用基尼系数来确定t。基尼系数是 1-所分的类别的平方和一次分类好后要求加权基尼。
然后选择基尼系数最小的划分作为当前的最佳划分。
判断构建的决策树的优劣
判断构建的决策树的优劣 *** 当d1时就为一元线性回归。 1289 8115 几何中心度
跟它相交的结点/除了自己以外的所有结点 接近中心度 下面的也不全对 这里e11要*2
d1 分子in相当于自己社区内的边的和*2 tot是自己社区内的边的和*2外部连接的边 在我的主页里搜索数据科学导论课件可以获得期末总复习ppt需要各章节ppt的私我。
