TAILIEUCHUNG - Bài giảng Khai phá web - Bài 2: Học máy (Phần 3)

Bài giảng Khai phá web - Bài 2: Học máy (Phần 3). Bài này cung cấp cho học viên những nội dung về: các khái niệm cơ bản; thuật toán k-means; biểu diễn cụm; phân cụm phân cấp; hàm khoảng cách; chuẩn hóa dữ liệu; xử lý nhiều loại thuộc tính; . Mời các bạn cùng tham khảo chi tiết nội dung bài giảng! | BÀI 2 HỌC MÁY TIẾP Nội dung 1. Các khái niệm cơ bản 2. Thuật toán k-means 3. Biểu diễn cụm 4. Phân cụm phân cấp 5. Hàm khoảng cách 6. Chuẩn hóa dữ liệu 7. Xử lý nhiều loại thuộc tính 8. Phương pháp đánh giá 9. Khám phá các lỗ và vùng dữ liệu 10. Học LU 11. Học PU 1. Các k n cơ bản Phân cụm là quá trình tổ chức các phần tử DL thành các nhóm trong đó các thành viên có tính chất tương tự nhau. Mỗi cụm bao gồm các phần tử DL tương tự nhau và khác biệt so với các phần tử DL thuộc các nhóm khác Ứng dụng phân cụm nhóm khách hàng dựa theo sở thích để thiết kế chiến lược marketing phân cụm khách hàng dựa theo chỉ số cơ thể để bố trí sản xuất quần áo phân cụm bài báo để tổng hợp tin tức . 2. Thuật toán k-means Algorithm k-means k D 1 chọn k điểm DL làm centroid trung tâm của cụm 2 repeat 3 for mỗi điểm DL x D do 4 tính khoảng cách từ x tới mỗi centroid 5 gán x cho centroid gần nhất một centroid đại diện cho một cụm 6 endfor 7 tính toán lại các centroid dựa trên các cụm hiện tại 8 until the stopping criterion is met Thuật toan K-means tiếp Điều kiện hội tụ 1. Số điểm DL được gán lại nhỏ hơn một ngưỡng 2. Số centroid bị thay đổi nhỏ hơn một ngưỡng 3. Tổng bình phương lỗi nhỏ hơn một ngưỡng trong đó - k là số lượng cụm - Cj là cụm thứ j - mj là centroid của Cj véc-tơ trung bình của các điểm DL thuộc Cj - dist x mj là khoảng cách giữa x và mj A Lựa chọn ngẫu nhiên k centroid Vòng lặp 1 B Gán cụm C Tính lại centroid Vòng lặp 2 D Gán cụm E Tính lại centroid Vòng lặp 3 F Gán cụm G Tính lại centroid Thuật toán K-Means tiếp Algorithm disk-k-means k D 1 Chọn k điểm DL làm centroid mj j 1 . k 2 repeat 3 khởi tạo sj 0 j 1 . k 0 là véc-tơ với các thành phần bằng 0 4 khởi tạo nj 0 j 1 . k nj là số điểm trong cụm j 5 for mỗi điểm DL x D do 6 j argmin dist x mi 7 gán x cho cụm j 8 sj sj x 9 nj nj 1 10 endfor 11 mj sj nj j 1 . k 12 until đ k dừng thỏa mãn Thuật toán K-Means tiếp O tkn trong đó t là số vòng lặp k là số cụm n là số ví dụ trong DL huấn luyện Chỉ áp dụng cho DL tồn tại mean đối

• Quản trị Web
• Bài giảng Khai phá web
• Khai phá web
• Thuật toán k means
• Hàm khoảng cách
• Chuẩn hóa dữ liệu
• Phân cụm phân cấp
• Học có giám sát
• Bài giảng Khai phá dữ liệu web
• Khai phá dữ liệu web
• Dữ liệu web
• Khai phá Text
• Toán học Internet
• Khai phá quan điểm
• Phân loại cảm xúc mức khía cạnh
• Cây tri thức cảm xúc
• Khai phá câu so sánh
• Khai phá mẫu tuần tự
• Đồng nhất cảm xúc
• Phân tích cảm xúc
• Phân tích câu so sánh
• Mô hình sinh Text
• lập trình web
• xử lý ngôn ngữ
• cấu trúc web
• Tin học căn bản
• Ứng dụng khai phá Web
• Kỹ thuật khai phá Web
• Khai phá dữ liệu
• Cơ sở dữ liệu
• Phân tích dữ liệu
• Hệ quản trị cơ sở dữ liệu phân cấp
• Hệ quản trị cơ sở dữ liệu mạng
• Phân loại cảm xúc không giám sát
• Phân loại cảm xúc có giám sát
• Kiến trúc máy tìm kiếm
• Mạng xã hội
• Tiền xử lý dữ liệu
• Khai phá hành vi người dùng
• Quảng cáo trực tuyến
• Khai phá truy vấn
• Quảng cáo trên máy tìm kiếm
• Hồi quy logistic
• Chuẩn hóa truy vấn
• Tìm kiếm thông tin
• Mô hình tìm kiếm thông tin
• Tiền xử lý văn bản
• Đánh chỉ mục ngữ nghĩa ẩn
• Tìm kiếm web
• Học máy
• Ma trận nhập nhằng
• Độ đo đánh giá
• Cây quyết định
• Mạng nơ ron tiến
• Mạng nơ ron nhân tạo
• Hàm kích hoạt sigmoid
• Kiến trúc mạng ANN
• Thuật toán suy giảm gradient
• Trực quan hóa dữ liệu
• Biểu đồ tĩnh
• Trực quan hóa theo điểm ảnh
• Trực quan hóa trên không gian véc tơ
• Cây siêu cầu
• Phân tích liên kết
• Xếp hạng đồ thị
• Nhận diện cộng đồng
• Học biểu diễn đồ thị
• Thuật toán Kernighan–Lin
• Thuật toán Girvan Newman
• Trích rút thông tin
• Kiến trúc hệ thống trích rút thông tin
• Trích rút quan hệ không giám sát
• Giám sát từ xa
• Hệ gợi ý
• Hệ tìm kiếm
• Phương pháp gợi ý
• Phương pháp đánh giá hệ gợi ý
• Thang đo nhị phân
• Phân tích mạng xã hội
• Thuật toán PageRank
• Thuật toán HIST
• Hướng dẫn thực hiện BTL
• Mạng xã hội Twitter
• Mạng xã hội Wikipedia