Vorlesung Wissensentdeckung in Datenbanken - Tree Projection -- LTree

– LTree Katharina Morik, Claus Weihs Informatik LS 8 Computergestützte Statistik Technische Universität Dortmund 16.7.2009 1 von 19 Informatik LS 8 Computergestützte Statistik Technische Universität Dortmund [...] ; // creates Lk+1 PruneTree(k); // deletes inactive nodes up to level k + 1 k := k + 1; 8 von 19 Informatik LS 8 Computergestützte Statistik Technische Universität Dortmund Einführung LTrees LTrees zum [...] Vorlesung Wissensentdeckung in Datenbanken - Tree Projection -- LTree Informatik LS 8 Computergestützte Statistik Technische Universität Dortmund Einführung LTrees LTrees zum frequent set mining Vor- und …

Vorlesung Wissensentdeckung in Datenbanken - Tree Projection -- LTree

Projection – LTree Katharina Morik, Uwe Ligges Informatik LS 8 Computergestützte Statistik Technische Universität Dortmund 27.4.2010 1 von 19 Informatik LS 8 Computergestützte Statistik Technische Universität Dortmund [...] ; // creates Lk+1 PruneTree(k); // deletes inactive nodes up to level k + 1 k := k + 1; 8 von 19 Informatik LS 8 Computergestützte Statistik Technische Universität Dortmund Einführung LTrees LTrees zum [...] Vorlesung Wissensentdeckung in Datenbanken - Tree Projection -- LTree Informatik LS 8 Computergestützte Statistik Technische Universität Dortmund Einführung LTrees LTrees zum frequent set mining Vor- und …

Columnwise Mining – Lecture Notes

C D 5 A B C D 6 A E 7 A B 8 A B C 9 A C D 10 B   →   A B C D E 1 1 2 2 1 4 2 3 4 3 5 5 4 5 6 6 7 8 9 7 8 9 8 10 9   →   A B C D E 1-1 1-2 2-4 2-2 1-1 4-9 5-5 8-9 4-5 3-3 7-8 9-9 6-6 10-10 column representation [...] A B E 3 A B D E 4 A B D 5 B C D E 6 B D E 7 A B C E 8 C D 9 A B D 10 A B D Item TIDlist A 1 2 3 4 7 9 10 B 1 2 3 4 5 6 7 9 10 C 1 5 7 8 D 1 3 4 5 6 8 9 10 E 1 2 3 5 6 7 C is eliminated. Initial class: A [...] A 1 2 3 4 7 9 10 OK B 1 2 3 4 5 6 7 9 10 OK D 1 3 4 5 6 8 9 10 OK E 1 2 3 5 6 7 OK 1-Partition A: A B 1 2 3 4 7 9 10 OK A D 1 3 4 9 10 OK A E 1 2 3 7 X 2-Partition A B: A B D 1 3 4 9 10 OK 1-Partition …

Columnwise Mining – Lecture Notes

C D 5 A B C D 6 A E 7 A B 8 A B C 9 A C D 10 B   →   A B C D E 1 1 2 2 1 4 2 3 4 3 5 5 4 5 6 6 7 8 9 7 8 9 8 10 9   →   A B C D E 1-1 1-2 2-4 2-2 1-1 4-9 5-5 8-9 4-5 3-3 7-8 9-9 6-6 10-10 column representation [...] A B E 3 A B D E 4 A B D 5 B C D E 6 B D E 7 A B C E 8 C D 9 A B D 10 A B D Item TIDlist A 1 2 3 4 7 9 10 B 1 2 3 4 5 6 7 9 10 C 1 5 7 8 D 1 3 4 5 6 8 9 10 E 1 2 3 5 6 7 C is eliminated. Initial class: A [...] A 1 2 3 4 7 9 10 OK B 1 2 3 4 5 6 7 9 10 OK D 1 3 4 5 6 8 9 10 OK E 1 2 3 5 6 7 OK 1-Partition A: A B 1 2 3 4 7 9 10 OK A D 1 3 4 9 10 OK A E 1 2 3 7 X 2-Partition A B: A B D 1 3 4 9 10 OK 1-Partition …

15,5 158024 1 0 0,75 1 1 0,25 1 8 1 0,25 1 0,75 16 170420 0 0 0 0,5 0,5 0,25 0,5 8 0 0 0,5 0 11,75 151133 0 0 0 1 1 1 1 10 0,5 0,25 0,5 0 15,25 140960 0 0 0 0 0,25 0 0 8 1 0 0,25 0 9,5 160848 0,5 0 0 0 [...] 156607 0,5 0 0,25 0 0 0 0 8 1 0,75 1 0,75 12,25 165933 0,5 0 0,5 0 1 1 0 11 0 0,25 1 1 16,25 147448 1 0 0,75 0,25 0 0,25 0,25 8 1 0,25 0,75 0,25 11,75 119355 1 1 0,75 0 0,75 1 0,5 8 1 1 0,5 0,75 16,25 165861 [...] 165861 0,5 0 0,5 1 1 1 1 10 1 1 1 1 19 166430 0 0 0 1 1 1 1 10 0,75 0,25 1 0 16 156250 0,75 0 0 1 1 1 1 8 0,5 0,25 0,5 0 14 128434 0,5 1 0,5 1 1 1 1 10 0 1 0 0 17 Unter 50% der Punkte: Über 75% der Punkte: …

blatt09.dvi

aus folgenden Daten:Label Groe Gewi htlittle 1 1little 3 4little 3 6big 4 8little 5 2big 7 8little 9 4big 9 8big 10 6big 12 8Erzeugen Sie hierfur eine 'Leerzei hen'-separierte Textdatei, die Sie mit dem [...] LiggesGero Szepannek, Felix Jungermann Dortmund, 05. JuniAbgabe: bis 12.06., 23.59 Uhr anjungermals8. s.uni-dortmund.deUbungen zur VorlesungWissensentde kung in DatenbankenSommersemester 2007Blatt 9Aufgabe [...] wie in der vorangegangenen Aufgabe einen Testdatensatz, der zwei Datenmit (Groe,Gewi ht) (5,3) und (8,7) enthalt.(d) Lesen Sie den Testdatensatz ein, und benutzen Sie den ModelApplier, um das gelernteModell …

Vorlesung Wissensentdeckung - Cluster Analyse

ung Cluster Analyse Katharina Morik, Claus Weihs LS 8 Informatik Computergestützte Statistik Technische Universität Dortmund 21.6.2012 1 von 38 LS 8 Informatik Computergestützte Statistik Technische U [...] eine M ×M Abstandsmatrix angeben oder einfach: dj(x1j , x2j) = { 1 falls x1j 6= x2j 0 sonst 8 von 38 LS 8 Informatik Computergestützte Statistik Technische Universität Dortmund Lernaufgabe Cluster-Analyse [...] C(i′)=k D(~xi, ~xi′) (8) Zwischenunähnlichkeit Between: Maximiert werden soll der Abstand zwischen Clustern: B(C) = 1 2 K∑ k=1 ∑ C(i)=k ∑ C(i′)6=k D(~xi, ~xi′) (9) 15 von 38 LS 8 Informatik Computergestützte …

7MLVcluster.pdf

Analyse Katharina Morik LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität Dortmund 6.1.2009 1 von 38 LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität [...] eine M $M Abstandsmatrix angeben oder einfach: dj(x1j , x2j) = ! 1 falls x1j %= x2j 0 sonst 8 von 38 LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität Dortmund Lernaufgabe Cl [...] C(i!)=k D(!xi, !xi!) (8) Zwischenunähnlichkeit Between: Maximiert werden soll der Abstand zwischen Clustern: B(C) = 1 2 K" k=1 " C(i)=k " C(i!) "=k d(xi, xi!) (9) 15 von 38 LS 8 Künstliche Intelligenz …

Vorlesung Maschinelles Lernen - Cluster Analyse

Maschinelles Lernen Cluster Analyse Katharina Morik LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität Dortmund 6.1.2009 1 von 38 LS 8 Künstliche Intelligenz Fakultät für Informatik Technische [...] eine M ×M Abstandsmatrix angeben oder einfach: dj(x1j , x2j) = { 1 falls x1j 6= x2j 0 sonst 8 von 38 LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität Dortmund Lernaufgabe Cl [...] ∑ C(i′)=k D(~xi, ~xi′) (8) Zwischenunähnlichkeit Between: Maximiert werden soll der Abstand zwischen Clustern: B(C) = 1 2 K∑ k=1 ∑ C(i)=k ∑ C(i′)6=k d(xi, xi′) (9) 15 von 38 LS 8 Künstliche Intelligenz …