Data Analysis in R an der TU München

Karteikarten und Zusammenfassungen für Data Analysis in R im Informatik Studiengang an der TU München in Augsburg

CitySTADT: Augsburg

CountryLAND: Deutschland

Kommilitonen im Kurs Data Analysis in R an der TU München erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp.

Schaue jetzt auf StudySmarter nach, welche Lernmaterialien bereits für deine Kurse von deinen Kommilitonen erstellt wurden. Los geht’s!

Kommilitonen im Kurs Data Analysis in R an der TU München erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp.

Schaue jetzt auf StudySmarter nach, welche Lernmaterialien bereits für deine Kurse von deinen Kommilitonen erstellt wurden. Los geht’s!

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Data Analysis in R an der TU München.

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

bimodal distribution

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Gaussian noise definition

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

2 variables both continuous Which plot to use?

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Methods for Clustering

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

2 variables 1 discrete, 1 continuous Which plot to use?

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Multi-dimensional scaling more technically...

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Gaussian mixture model in general

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Causality

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Permutation

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Cumulative distribution function definition

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Multi-dimensional scaling general idea

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

R: seq(from, to, length.out)

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Data Analysis in R

bimodal distribution
In statistics, a bimodal distribution is a continuous probability distribution with two different modes. These appear as distinct peaks (local maxima) in the probability density function, [Wikipedia]

https://en.wikipedia.org/wiki/File:Bimodal.png

Data Analysis in R

Gaussian noise definition
Gaussian noise is statistical noise having a probability density function (PDF) equal to that of the normal distribution, which is also known as the Gaussian distribution.[1][2] In other words, the values that the noise can take on are Gaussian-distributed.
[Wikipedia]

Data Analysis in R

2 variables both continuous Which plot to use?
Scatterplot

2D density plots

line plot

Data Analysis in R

Methods for Clustering
k-means
model based clustering
hierarchical clustering
comparing clustering results

Data Analysis in R

2 variables 1 discrete, 1 continuous Which plot to use?
Boxplot by category

Violin plot

Beanplot

Barplots

Barplots with error bars

Data Analysis in R

Multi-dimensional scaling more technically...
More technically, MDS refers to a set of related ordination techniques used in information visualization, in particular to display the information contained in a distance matrix. It is a form of non-linear dimensionality reduction.

Given a distance matrix with the distances between each pair of objects in a set, and a chosen number of dimensions, N, an MDS algorithm places each object into N-dimensional space such that the between-object distances are preserved as well as possible. If N is one or two, then 2D scatter plots of the resulting points are possible.

[Wikipedia]

Data Analysis in R

Gaussian mixture model in general
Gaussian mixture model = probabilistic model
assumes all the data points are generated from a mixture of a finite number of Gaussian distributions with unknown parameters.

One can think of mixture models as generalizing k-means clustering to incorporate information about the covariance structure of the data as well as the centers of the latent Gaussians.

[https://scikit-learn.org/stable/modules/mixture.html]

Data Analysis in R

Causality
Causality (also: causation or cause and effect) is what connects one process, the cause, with another process or state, the effect.
The cause is necessary for the effect to take place; the former is hence said to be a cause of the latter.

In general, a process has many causes, which are also said to be causal factors for it, and all lie in its past. An effect can in turn be a cause of, or causal factor for, many other effects, which all lie in its future.

Data Analysis in R

Permutation
each of several possible ways in which a set or number of things can be ordered or arranged. [Google]

Permutation ist die Gesamtheit der möglichen Kombinationen von Elementen einer gegebenen Menge miteinander.
[https://www.youtube.com/watch?v=cVCBNVDav3U]

Data Analysis in R

Cumulative distribution function definition
In probability theory and statistics:

cumulative distribution function (CDF) of a real-valued random variable X
(also: distribution function of X, evaluated at x)

= the probability that X will take a value less than or equal to x.

[Wikipedia]

Data Analysis in R

Multi-dimensional scaling general idea
Multidimensional scaling (MDS) is a means of visualizing the level of similarity of individual cases of a dataset. MDS is used to translate „information about the pairwise ‚distances‘ among a set of n objects or individuals“ into a configuration of n points mapped into an abstract Cartesian space.

[Wikipedia]

Data Analysis in R

R: seq(from, to, length.out)
generates a sequence of length.out equally spaced values from from to to
Gradient

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Data Analysis in R an der TU München zu sehen

Singup Image Singup Image

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Informatik an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

Blockchain

Cognitive System

Databases for modern CPU

Patterns

Softwaretechnik

Autonomous Driving

Requirements Engineering

Web Application Engineering

Patterns in Software Engineering

Principles of Economics

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

StudySmarter Flashcard App and Karteikarten App
d

4.5 /5

d

4.8 /5

So funktioniert StudySmarter

Individueller Lernplan

Bereite dich rechtzeitig auf all deine Klausuren vor. StudySmarter erstellt dir deinen individuellen Lernplan, abgestimmt auf deinen Lerntyp und Vorlieben.

Erstelle Karteikarten

Erstelle dir Karteikarten in wenigen Sekunden mit Hilfe von effizienten Screenshot-, und Markierfunktionen. Maximiere dein Lernverständnis mit unserem intelligenten StudySmarter Trainer.

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und StudySmarter erstellt dir deine Zusammenfassung. Ganz ohne Mehraufwand.

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile Karteikarten und Zusammenfassungen mit deinen Kommilitonen und erhalte Antworten auf deine Fragen.

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter zeigt dir genau was du schon geschafft hast und was du dir noch ansehen musst, um deine Traumnote zu erreichen.

1

Individueller Lernplan

2

Erstelle Karteikarten

3

Erstelle Zusammenfassungen

4

Lerne alleine oder im Team

5

Statistiken und Feedback

Nichts für dich dabei?

Kein Problem! Melde dich kostenfrei auf StudySmarter an und erstelle deine individuellen Karteikarten und Zusammenfassungen für deinen Kurs Data Analysis in R an der TU München - so schnell und effizient wie noch nie zuvor.