Regression tree example

فهرست عناوین اصلی در این پاورپوینت

فهرست عناوین اصلی در این پاورپوینت

● Logistic regression: two classes
● Logistic regression: several predictors
● Logistic regression
● Smoothing splines
● Generalized additive models
● GAM
● Principal components analysis
● Decision trees
● Regression tree example
● Training-validation-test
● Decision trees by CART
● Classification trees: CART
● Regression trees: CART
● Decision trees: other techniques
● Neural network
● Neural networks
● Clustering
● K-means
● Hierarchical clustering
● Density-based clustering
● Reference

نوع زبان: انگلیسی حجم: 0.82 مگا بایت
نوع فایل: اسلاید پاورپوینت تعداد اسلایدها: 33 صفحه
سطح مطلب: نامشخص پسوند فایل: pptx
گروه موضوعی: زمان استخراج مطلب: 2019/05/17 07:25:14

لینک دانلود رایگان لینک دانلود کمکی

اسلایدهای پاورپوینت مرتبط در پایین صفحه

عبارات مهم استفاده شده در این مطلب

عبارات مهم استفاده شده در این مطلب

x, r, programming, ۷۳۲a۴۴, datum, tree, m۵, …, y, plot, b, training, re,

توجه: این مطلب در تاریخ 2019/05/17 07:25:14 به صورت خودکار از فضای وب آشکار توسط موتور جستجوی پاورپوینت جمع آوری شده است و در صورت اعلام عدم رضایت تهیه کننده ی آن، طبق قوانین سایت از روی وب گاه حذف خواهد شد. این مطلب از وب سایت زیر استخراج شده است و مسئولیت انتشار آن با منبع اصلی است.

https://www.ida.liu.se/~732A44/LectureDM.pptx

در صورتی که محتوای فایل ارائه شده با عنوان مطلب سازگار نبود یا مطلب مذکور خلاف قوانین کشور بود لطفا در بخش دیدگاه (در پایین صفحه) به ما اطلاع دهید تا بعد از بررسی در کوتاه ترین زمان نسبت به حدف با اصلاح آن اقدام نماییم. جهت جستجوی پاورپوینت های بیشتر بر روی اینجا کلیک کنید.

عبارات پرتکرار و مهم در این اسلاید عبارتند از: x, r, programming, ۷۳۲a۴۴, datum, tree, m۵, …, y, plot, b, training, re,

مشاهده محتوای متنیِ این اسلاید ppt

مشاهده محتوای متنیِ این اسلاید ppt

lecture data mining in r ۷۳۲a۴۴ programming in r logistic regression two classes consider logistic model with one predictor x price of the car y equipment logistic model use function glm formula family data formula response~model model consists of a b addition a b interaction terms a b addition and interaction . all predictors family specify binomial ۷۳۲a۴۴ programming in r logistic regression two classes reg glm x۳ …equipment~price.in.sek. family binomial data mydata ۷۳۲a۴۴ programming in r logistic regression several predictors data about contraceptive use several analysis plots can be obtained by plot lrfit response matrix success failure ۷۳۲a۴۴ programming in r logistic regression further comments nominal logistic regressions library mlogit function mlogit stepwise model selection step function. prediction predict function ۷۳۲a۴۴ programming in r smoothing splines minimize a penalized sum of squared residuals where λ is smoothing parameter. λ any function interpolating data λ  least squares line fit ۷۳۲a۴۴ programming in r smoothing splines smooth.spline x y df spar cv … df degrees of freedom spar penalty parameter cv true gcv false cv na no cv plot m۲ kilometer m۲ price main df ۴ res smooth.spline m۲ kilometer m۲ price df ۴ lines res col blue ۷۳۲a۴۴ programming in r generalized additive models a function of the expected response is additive in the set of inputs i.e. example nonlinear logistic regression of a binary response ۷۳۲a۴۴ programming in r gam gam formula family gaussian data method gcv.cp select false sp method method for selection of smoothing parameters select true – variable selection is performed sp smoothing parameters maximal df formula usual terms and spline terms s … library mgcv car properties predict.gam can be used for predictions bp gam mpg~s wt sp ۲ s sp sp ۱ data m۳ vis.gam bp theta ۱ phi ۳ ۷۳۲a۴۴ programming in r gam smoothing components plot bp pages ۱ ۷۳۲a۴۴ programming in r principal components analysis idea introduce a new coordinate system pc۱ pc۲ … where the first principal component pc۱ is the direction that maximizes the variance of the projected data the second principal component pc۲ is the direction that maximizes the variance of the projected data after the variation along pc۱ has been removed … in the new coordinate system coefficients corresponding to the last principal components are very small  can take away this columns ۷۳۲a۴۴ programming in r pc۱ pc۲ principal components analysis princomp x … m۴ m۳ m۴ model c res princomp m۴ loadings res plot res biplot res summary res ۷۳۲a۴۴ programming in r decision trees ۷۳۲a۴۴ programming in r ۱ ۲ ۱ ۲ x۱ x۲ x۲ ۱ x۱ ۱ ۱ ۹ ۹ ۱۶ ۷ ۱۶ ۷ ۱۵ ۱۵ regression tree example ۷۳۲a۴۴ programming in r training validation test training validation ۶ ۴ if training validation test is required use similar strategy sub sample nrow m۲ floor nrow m۲ .۶ training m۲ sub validation m۲ sub ۷۳۲a۴۴ programming in r decision trees by cart growing a full tree library tree . create tree tree formula data subset split c deviance gini … subset if subset of cases needs to be used for training split splitting criterion more parameters with control parameter prune tree with help of validation set prune.tree tree newdata method c deviance misclass … prune tree with cross validation cv.tree object fun prune.tree k ۱ … k is number of folds in cross validation ۷۳۲a۴۴ programming in r classification trees cart sub sample nrow m۵ floor nrow m۵ .۶ training m۵ sub validation m۵ sub mytree tree area~. region x data training summary mytree plot mytree type uniform text mytree cex .۵ example olive oils in italy ۷۳۲a۴۴ programming in r classification trees cart dependence of the misclassification rate on the length of the tree treeseq۱ prune.tree mytree newdata validation method misclass plot treeseq۱ title validation treeseq۲ cv.tree mytree method misclass plot treeseq۲ title cv ۷۳۲a۴۴ programming in r regression trees cart mytree۲ tree eicosenoic~linoleic linolenic palmitic palmitoleic data training mytree۳ prune.tree mytree۲ best ۴ totally ۴ leaves print mytree۳ summary mytree۳ plot.tree mytree۳ text mytree۳ ۷۳۲a۴۴ programming in r decision trees other techniques conditional inference trees library party cart another library rpart training x c training area c mytree۴ ctree region~. data training print mytree۴ plot mytree۴ type simple gives nice plots ۷۳۲a۴۴ programming in r neural network input nodes input layer hidden nodes hidden layer s output nodes output layer weights activation functions combination functions ۷۳۲a۴۴ programming in r x۱ x۲ xp z۱ z۲ zm … … f۱ fk … neural networks feed –forward nns library neuralnet neuralnet formula data hidden ۱ rep ۱ startweights null algorithm rprop err.fct sse act.fct logistic linear.output true … hidden vector showing amount of hidden neurons at each layer rep amount of runs of network startweights starting weights algorithm backprop rpprop sag slr err.fct any function sse ce cross entropy act.fct any function logistic tanh linear.output true if no activation at the output confidence.interval x alpha . ۵ confidence intervals for weights compute x covariate prediction plot x … plot given neural network ۷۳۲a۴۴ programming in r neural networks example mynet neuralnet region~eicosenoic linoleic linolenic palmitic data training rep ۵ hidden c ۲ ۲ act.fct tanh plot mynet mynet result.matrix ۷۳۲a۴۴ programming in r neural networks prediction with compute finding misclassification rate table true values predicted values – not only for neural networks another package ready for qualitative response classical nnet mynet۱ nnet region~eicosenoic linoleic data training size ۳ coef mynet۱ predict mynet۱ data validation ۷۳۲a۴۴ programming in r clustering purpose is to identify groups of observations into intput space separated k means hierarchical density based ۷۳۲a۴۴ programming in r k means amount of seeds k should be given starting seed positions needed kmeans x centers iter.max ۱ nstart ۱ x data frame centers either k value or set of initial cluster centers iter.max maximum number of iterations res kmeans data.frame m۵ linoleic m۵ eicosenoic ۲ ۷۳۲a۴۴ programming in r k means one way to visualize plot m۵ linoleic m۵ eicosenoic col res cluster points res centers ۱ res centers ۲ col ۱ ۲ pch ۸ cex ۲ ۷۳۲a۴۴ programming in r hierarchical clustering agglomerative place each point into a single cluster merge nearest clusters until you get ۱ cluster meaning of two objects are close measure of proximity ex quantiative vars euclidian distance similarity measure srs ۱ if same object ۱ otherwise ex correlation dissimilarity measure δrs if same object otherwise ex euclidian distance ۷۳۲a۴۴ programming in r hierarchical clustering hclust d method complete members null d dissimilarity measure method ward single complete average mcquitty median or centroid . returned a tree showing merging sequence cutree tree k null h null k number of clusters to make h at which level to cut returned cluster index ۷۳۲a۴۴ programming in r hierarchical clustering example x data.frame m۵ linolenic m۵ eicosenoic m۵ dist dist x m۵ dend hclust m۵ dist method complete plot m۵ dend ۷۳۲a۴۴ programming in r hierarchical clustering example  do not forget to standardize clust cutree m۵ dend k ۲ plot m۵ linoleic m۵ eicosenoic col clust ۷۳۲a۴۴ programming in r density based clustering kernel based density estimation. library pdfcluster pdfcluster x h h.norm x hmult .۷۵ … x data to be partitioned h a vector of smoothing parameters hmult shrinkage factor x data.frame m۵ linolenic m۵ eicosenoic res pdfcluster x plot res ۷۳۲a۴۴ programming in r reference http cran.r project.org doc contrib yanchangzhao refcard data mining.pdf ۷۳۲a۴۴ programming in r exp ۱ exp ۱ ۱ ۱ log ۱ log ۱ ۱ ۱ x x x x y p x x x y p x x y p x x y p x x y p b b b b b b exp ۱ exp ۱ ۱ log ۱ ۱ ۱ x x x x x x t t t x y p x y p x y p b b b b b b dt t f x f y f rss n i i i ۲ ۱ ۲ ò å ¢ ¢ l l … … ۱ ۱ ۱ p p n x s x s x x y e g a … ۱ n x x y e g ۱ log ۱ log x s x x y p x x y p x x y e x x y e b ۵ ۱ ۱۵ ۵۱ x ۱ x ۲ …

کلمات کلیدی پرکاربرد در این اسلاید پاورپوینت: x, r, programming, ۷۳۲a۴۴, datum, tree, m۵, …, y, plot, b, training, re,

این فایل پاورپوینت شامل 33 اسلاید و به زبان انگلیسی و حجم آن 0.82 مگا بایت است. نوع قالب فایل pptx بوده که با این لینک قابل دانلود است. این مطلب برگرفته از سایت زیر است و مسئولیت انتشار آن با منبع اصلی می باشد که در تاریخ 2019/05/17 07:25:14 استخراج شده است.

https://www.ida.liu.se/~732A44/LectureDM.pptx

  • جهت آموزش های پاورپوینت بر روی اینجا کلیک کنید.
  • جهت دانلود رایگان قالب های حرفه ای پاورپوینت بر روی اینجا کلیک کنید.

رفتن به مشاهده اسلاید در بالای صفحه


پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *