ClasificareClasificareClasificareMarina Gorunescu Marina Gorunescu [email protected]@inf.ucv.ro
Despre clasificare
pattern recognition
aplicatii ale clasificarii
Obiecte si caracteristici
clase (categorii)
caracteristici (atribute)
exemple actuale de clasificari automate
Alegereacaracteristicilor
exemple clasice in literatura de specialitate
alegerea caracteristicilor
frontiera de decizie
spatiul bidimensional al caracteristicilor
alegerea optima a caracteristicilor
procentaj clasificarecorecta
misclassification matrix
etapele unei probleme de clasificare
pre-procesarea datelorasigură
clasificarea datelor
clasificatorul liniar
Clasificarea bayesiană
probabilitateaconditionata
problema juridica sisociala
regula de deciziebayesiana
clasificarea naiva Bayes
multime de antrenament
clasificarea naiva a textelor
clasificareadocumentelor
clasificarea bayesiananaiva (soft clustering)
Arbori de clasificare şidecizie
arbore de clasificare şidecizie
nodul radacina, ramuri, noduri de decizie
in exemplul dat avem:
reguli de clasificare
masura de impuritate
masura entropiei
informatia castigata
informatie scontata
multimea de antrenament
masura de impuritate Gini
masura clasificariigresite
prior probabilities
missclassification costs
overfitting/underfitting
Clasificarea bazată pereguli de asociere
regula de asociere
metode de construire a regulilor de asociere
regulile de asociere pot fi:
analiza cosului de consum
fasonare cu suport minim
caracteristicile metodei
avantajele metodei
K- nearest neighbor
alegerea distantei
consideratii asuprametodei