Data Mining and Knowledge Discovery an der TU München

Karteikarten und Zusammenfassungen für Data Mining and Knowledge Discovery im Informatik Studiengang an der TU München in Augsburg

CitySTADT: Augsburg

CountryLAND: Deutschland

Kommilitonen im Kurs Data Mining and Knowledge Discovery 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 Mining and Knowledge Discovery 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 Mining and Knowledge Discovery an der TU München.

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Chi-square test for independence 

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Spurious correlation

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Causal scenarios that can be indicated by correlation

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Variance of the feature in covariance matrix

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Multiple correlation

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Bipartial correlation

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

The Chi Square distribution

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Measures of linear correlation

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Purpose of correlation analysis

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Independence due to monotonicity

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Why is Pearson correlation coefficient better than covariance correlation?

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Range of the Pearson coefficient

Beispielhafte Karteikarten für Data Mining and Knowledge Discovery an der TU München auf StudySmarter:

Data Mining and Knowledge Discovery

Chi-square test for independence 

A method to quantify the nonlinear correlation between features

Data Mining and Knowledge Discovery

Spurious correlation

Also – third cause fallacy

When two correlated features are caused by another (third) feature 

Data Mining and Knowledge Discovery

Causal scenarios that can be indicated by correlation

  1. coincidence
  2. x causes y
  3. y causes x
  4. z causes both x and y

Data Mining and Knowledge Discovery

Variance of the feature in covariance matrix

Diagonal elements

Data Mining and Knowledge Discovery

Multiple correlation

Correlation of x(i) with a whole group of features

Data Mining and Knowledge Discovery

Bipartial correlation

Correlation between (i) and (j) without the influence of the two other features.

Data Mining and Knowledge Discovery

The Chi Square distribution

distribution of the sum of squared standard normal deviates

Data Mining and Knowledge Discovery

Measures of linear correlation

  • covariance
  • Pearson correlation
  • partial correlation
  • multiple correlation

Data Mining and Knowledge Discovery

Purpose of correlation analysis

understand the dependencies between features, so that observed effects
can be explained or desired effects can be achieved

Data Mining and Knowledge Discovery

Independence due to monotonicity

The lower computed chi-square value, the higher the stochastic independence between the considered pair of features.

Data Mining and Knowledge Discovery

Why is Pearson correlation coefficient better than covariance correlation?

compensates the effect of constant scaling by dividing the covariance by the product of the standard deviations of both features

Data Mining and Knowledge Discovery

Range of the Pearson coefficient

[-1, 1]

1 – strong positive correlation

-1 – strong negative correlation

0 – independence

Gradient

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Data Mining and Knowledge Discovery 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

Data Analysis in R

18WS_Strategisches_IT_Management

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 Data Mining and Knowledge Discovery 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.

d

4.5 /5

d

4.8 /5

So funktioniert's

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus dem Skript.

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback

Nichts für dich dabei?

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