SHARE
TWEET

Untitled

a guest Feb 18th, 2020 92 Never
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
  1. Pomiary - wiele obserwacji(rekordow) - kazda obsrwacja opisana przez ustalona liczbe cech ( atrybutow)
  2.  
  3. rejestrujemy atrybuty numeryczne, jak wzrost i waga, kategoryczne (zwane
  4. też nominalnymi), jak kolor oczu oraz złożone (formalnie numeryczne, ale
  5. zazwyczaj przetwarzane inaczej), jak odcisk palca i skan siatkówki
  6.  
  7.  
  8. pomiary wzrostu - zmienna losowa z losowym zaburzeniem
  9.  
  10. 3 ---
  11. Grupowanie :
  12.  
  13. Ocena jakosci :
  14.  
  15. odleglosc zwykle ujemnie skorelowana z prawdopodobieństwem np d(x,y) = 1/p(x,y)
  16.  
  17. Odleglosc skupieniowa oraz odleglosc miedzyskupieniowa
  18.  
  19. K Means - losowe centroidy, tworzysz grupy - nowe centroidy to uśrednione środki tych grup, i tka aż nie będzie zmiany
  20.  
  21. SUpervised - maja juz nadane klasy
  22.  
  23. DBScan - sasiedztwo wektorow oddalonych <e, rozpatrzymy dla wektorow jak jest geste to wwzystkie wektory z danej grupy oznaczamy jako rozpatrzone
  24.  
  25. Proces stochastyczny, proces losowy – rodzina zmiennych losowych określonych na pewnej przestrzeni probabilistycznej o
  26.  
  27. Szeregiem czasowym nazywamy ci ˛ag (x1,x2,..., xt
  28. ,...)
  29. nast ˛epuj ˛acych po sobie obserwacji pewnego zjawiska.
  30.  
  31. Trend albo tendencja rozwojowa – monotoniczny składnik w modelu zależności badanej cechy statystycznej od czasu.
  32.  
  33. Autokorelacja - Mniej formalnie jest to statystyka opisująca, w jakim stopniu dany wyraz szeregu zależy od wyrazów poprzednich w szeregu czasowym
  34.  
  35. srednia - suma po xi
  36. wariancja - s^2 = 1/n Suma po (xi-srednia)^2
  37. odchylenie - v
  38.  
  39. Rozwazamy zwykle dwa zasadnicze modele: ˙
  40. I addytywny
  41. Xt = Tt +St +Et
  42. ,
  43. I multiplikatywny
  44. Xt = Tt ×St ×Et
  45. ,
  46.  
  47. SMAk (t) = 1/k ∑i=−m xt+j
  48. ,
  49.  
  50. Stacjonarnos´c szeregu czasowego jest podstawowym wymogiem ´
  51. do zbudowania skutecznego modelu predykcji
  52.  
  53. Proces nazywamy stacjonarnym, jezeli dla dowolnych ˙ t,k ∈ T:
  54. I wartos´c oczekiwana jest stała ´
  55. E(Xt) = E(Xt+k ) = µ
  56. I autokowariancja zalezy jedynie od ˙ k
  57.  
  58. Proces stacjonarny (Xt)t∈T złozony wył ˛acznie ze zmiennych losowych ˙
  59. parami nieskorelowanych nazywamy białym szumem.
  60.  
  61.  
  62.  support A → C (nośnik, wsparcie)
  63. supp(A → C) = supp(A ∪ C),
  64.  confidence A → C (wiarygodność, zaufanie)
  65. conf(A → C) = supp(A ∪ C) / supp(A).
  66. lift A → C
  67. lift(A → C) = confidence(A → C) / supp(C) - wplyw
  68.  leverage A → C
  69. leverage(A → C) = supp(A → C) – supp(A) supp(C).
  70.  
  71.  
  72.  Nm = 14, pm1 = 6/14, pm2 = 8/14
  73.  Qm
  74. (F) = 2 * 6/14 * 8/14 = 0.4898
  75.  
  76.  
  77. W bardzo wielu praktycznych problemach, aby usun ˛ac´
  78. niestacjonarnos´c z szeregu czasowego, wystarczy rozwa ´ zy˙ c´
  79. szereg róznic ˙ Xt −Xt−1
RAW Paste Data
We use cookies for various purposes including analytics. By continuing to use Pastebin, you agree to our use of cookies as described in the Cookies Policy. OK, I Understand
Top