20150827 [學習筆記] R與資料探勘 (5)

整理自 R軟體與資料探勘之開發與應用 -- 期望最大值演算法自組織映射圖

[ GitHub ]
 
 
  • 背景知識
 
 
  • 學習內容
  • R 軟體安裝 (略過)
  • R Studio軟體安裝 (略過)
 
  • 資料探勘方法
  • START : 訓練資料和測試資料 (完成)
 
  • 分類演算法
  • (一)倒傳遞類神經網路(Back-Propagation Neural Network) (完成)
  • (二)決策樹(Decision Tree) (完成)
  • (三)支援向量機(Support Vector Machine) (完成)
  • (四)貝式分類(Naïve Bayes) (完成)
  • (五)k位最近鄰居法(k-Nearest Neighbor) (完成)
 
  • 分群演算法
  • (六)階層分群演算法(Hierarchical Clustering) (完成)
  • (七)k平均演算法(k-Means) (完成)
  • (八)模糊c平均演算法(Fuzzy c-Means) (完成)
  • (九)期望最大值演算法(Expectation-Maximization)
  • (十)自組織映射圖(Self Organizing Maps)
 
 
 
 

(九)期望最大值演算法(Expectation-Maximization)

[前置作業] 基本概念
  • 相關知識
 
 
 
STAGE 1 : 輸入資料和運算階段
  • 1.  新增R程式 , 在R Script中撰寫 , 並將檔案另存為"expectation-maximization.R":