Information Mining an der Universität Duisburg-Essen

Karteikarten und Zusammenfassungen für Information Mining an der Universität Duisburg-Essen

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Information Mining an der Universität Duisburg-Essen.

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

What is a concept?

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

What are the compinents of the input?

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

What are instances?

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

What are attributes?

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

Classification learning

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

What is the difference between Association and Classification learning?

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

Clustering

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

Numeric prediction

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

Generating a flat file

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

Recursion

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

Multi-instance concepts

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

Nominal levels of measurement

Kommilitonen im Kurs Information Mining an der Universität Duisburg-Essen. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für Information Mining an der Universität Duisburg-Essen auf StudySmarter:

Information Mining

What is a concept?

Things that can be learned

  • Classification
  • association
  • clustering
  • numeric prediction

Information Mining

What are the compinents of the input?

  • Concepts
  • Instances
  • Attributes

Information Mining

What are instances?

the individual, independent examples of a concept to be learned

(More complicated forms of input with dependencies between examples are possible)

Information Mining

What are attributes?

measuring aspects of an instance

  • nominal
  • ordinal
  • interval
  • ratio

Information Mining

Classification learning

  • predicting a discrete class
  • supervised (Scheme is provided with actual outcome)
  • Outcome = class of the example

Information Mining

What is the difference between Association and Classification learning?

  • AL can predict any attributes's value, not just the class, and more than one attribute's value at a time
  • Hence: far more association rules than classification rules
  • Thus: constraints are necessary, such as minimum coverage and minimum accuracy

Information Mining

Clustering

  • Grouping similar instances into clusters
  • unsupervised (The class of an example is not known)
  • Success often measured subjectively

Information Mining

Numeric prediction

  • predicting a numeric quantity
  • Variant of classification learning where class is numeric 
  • also called regression
  • supervised (Scheme is being provided with target value)
  • Measure success on test data

Information Mining

Generating a flat file

  • Process of flattening called denormalization (Several relations are joined together to make one)
  • Possible with any finite set of finite relations
  • Problematic: relationships without a pre-specified number of objects
  • Note that denormalization may produce spurious regularities that reflect the structure of the database
    • Example: "supplier" predicts "supplier address"

Information Mining

Recursion

  • Infinite relations require recursion
  • Appropriate techniques are known as "inductive logic programming" methody

Information Mining

Multi-instance concepts

  • Each individual example comprises a bag (multi-set) of instances
    • All instances are described by the same attributes
  • Goal of learning: produce a concept description
  • Important real world applications:
    • drug activity prediction: can be viewed as bag of different geometric arrangements of the drug molecule
    • image classification: image can be represented as a bag of image components

Information Mining

Nominal levels of measurement

  • Values are distinct symbols
  • Example: attribute "outlook" from weather data
    • Values: "sunny", "overcast", "rainy"
  • No relation is implied among nominal values (no ordering or distance measure)
  • Only equality tests can be performed

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Information Mining an der Universität Duisburg-Essen zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Information Mining an der Universität Duisburg-Essen gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur Universität Duisburg-Essen Übersichtsseite

Medizinische Terminologie

Biosignalverarbeitung und Mustererkennung

Internet of Things

Matlab for Communications

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 Information Mining an der Universität Duisburg-Essen 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.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

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

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

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

Top-Image

Lerne alleine oder im Team

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

Top-Image

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