你的進度
0/ 20 節已標記完成
下一節: 以平均數作質心:k-means 的目標與迭代
完成記錄儲存在此瀏覽器中。
這門課在網上
CSCI2750 筆記裏的內容
數字只算這門課 20 節公開筆記裏寫了甚麼,不是網上已記錄的關係。目前其中 0 節已細緻地記錄到網上。
在網上定理卡 39 · 定義 30 · 反例 25 · 概念視角 11 · 思想史 1 · 證明透視 20
第 1 章 · 1 節
質心聚類
質心聚類
- 1.1
以平均數作質心:k-means 的目標與迭代
推導質心更新,精確追蹤分配與更新步驟,並分清穩定聚類與全局最佳結果。
第 2 章 · 2 節
模式挖掘
模式挖掘
- 2.1
支持次數、安全剪枝與 Apriori
推導 Apriori 所依據的支持度性質,追蹤候選產生與剪枝,再分清關聯規則的不同指標。
- 2.2
頻繁項集、閉項集與極大頻繁項集
比較保留支持次數的閉項集與極大頻繁項集,並恢復支持次數。
第 3 章 · 4 節
分類
模型分類與決策樹。
- 3.1
樸素貝葉斯與平滑
建立二元特徵的類別分數、正規化,並檢視獨立性假設。
- 3.2
決策樹:加權不純度、閾值與泛化
證明多數葉預測最優及資訊增益非負,計算正確加權分割,處理重複特徵值,並分清貪婪訓練改善與預測表現。
- 3.3
伯努利樸素貝葉斯:對數概率比、零值特徵與平滑
推導概率與成本敏感決策,擬合二元特徵模型,精確計算後驗,並解釋條件獨立的限制。
- 3.4
k 最近鄰分類
以最接近的 k 個訓練樣本投票分類,並明確訂出同分規則、特徵縮放、避免洩漏的預處理,以及預測成本。
第 4 章 · 1 節
取樣
理解離散樣本與混疊。
- 4.1
取樣、混疊與頻率歧義
推導不同正弦訊號何以產生完全相同的離散樣本。
第 5 章 · 1 節
感知器更新
嚴格間隔、更新規則及有限更新界。
- 5.1
感知器:間隔與有限更新次數界
追蹤明確指定的更新規則,並在嚴格可分假設下證明有限更新保證。
第 6 章 · 1 節
Logistic 模型
二元似然、凸損失與可分數據。
- 6.1
Logistic 損失、可分性與正則化
推導二元 logistic 損失,並研究可分數據為何可能沒有有限最小解。
第 7 章 · 2 節
分類器評估
精確率、召回率及正類比例。
- 7.1
精確率、召回率與基率變化
解讀混淆表,區分條件比率與精確率。
- 7.2
閱讀 ROC 曲線時不要忽略同分
從含同分的分數建立 ROC 曲線,以梯形法與配對比較兩種方式計算 AUC,並把 ROC 與精確率及決策成本聯繫起來。
第 8 章 · 1 節
灰度直方圖
構造離散累積直方圖及灰度映射。
- 8.1
圖像直方圖與累積灰度映射
計算離散累積直方圖與全局灰度映射。
第 9 章 · 1 節
線性分類練習
從分類錯誤觸發的更新出發,以投影及範數增長證明間隔上界,並分清已核實的訓練集分離與有限迭代預算。
- 9.1
感知器:偏置、可分性與更新次數上界
從分類錯誤觸發的更新出發,以投影及範數增長證明間隔上界,並分清已核實的訓練集分離與有限迭代預算。
第 10 章 · 1 節
凝聚階層聚類
連結方法、樹狀圖及閾值連通性。
- 10.1
凝聚式聚類:連結準則、樹狀圖與閾值連通性
推導單連結、全連結與平均連結的更新公式,證明合併高度不會下降,並說清楚單連結樹狀圖的高度切割代表甚麼。
第 11 章 · 1 節
支持向量機
間隔、hinge loss、對偶證明與核函數。
- 11.1
間隔、鉸鏈損失與核函數的意義
區分分數與幾何間隔,推導硬間隔與軟間隔目標並給出對偶證明,判斷一個函數何時是有效的核函數。
第 12 章 · 1 節
源訊號分離
線性混合、白化與獨立成分分析。
- 12.1
盲源分離:混合訊號能夠及不能揭示甚麼
把感應器讀數建模為線性混合,說明盲分離為何存在歧義,以協方差矩陣白化,並區分不相關與獨立。
第 13 章 · 1 節
主成分分析
以樣本協方差的特徵向量定義主方向,並給出方差與重建的保證。
- 13.1
主成分分析:中心化協方差與方差最大化
把主成分定義為樣本協方差矩陣的特徵向量,證明方差最大化與重建性質,並以精確例子計算解釋方差。
第 14 章 · 1 節
距離與數據預處理
度量、相似度量,以及不洩漏測試數據的特徵縮放。
- 14.1
距離與相似度度量,以及特徵縮放
定義度量,以及 Minkowski、餘弦、Jaccard 與 Hamming 度量,證明哪些滿足三角不等式,並在不洩漏測試數據的前提下應用最小最大縮放與 z 分數標準化。
第 15 章 · 1 節
基於密度的聚類
核心點、邊界點與雜訊點、密度可達,以及 DBSCAN 算法。
- 15.1
DBSCAN:核心點、邊界點與雜訊點
定義密度可達,陳述 DBSCAN 算法,證明核心點的群組有明確定義,並在精確的一維數據上運行並作參數研究。