Loading...
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 ]
https://github.com/shouzo/R-Programming/tree/master/R%E8%88%87%E8%B3%87%E6%96%99%E6%8E%A2%E5%8B%98
背景知識
R軟體與資料探勘之開發與應用
(內文資料來源)
:+1:
資料採礦十大經典演算法
[筆記] 利用R + Hadoop 來實作分類、群組、推薦
R統計分析與資料探勘入門—以鳶尾花資料集為例
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
最大期望算法- 维基百科，自由的百科全书
Expectation-Maximization(EM) 算法- ~/blog
演算法筆記- Regression
[ EM Algorithm ]
https://www.youtube.com/watch?v=7e65vXZEv5Q
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
":
Please turn on JavaScript to use Paper in all of its awesomeness. ^_^
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
R 軟體安裝(略過)R Studio軟體安裝(略過)START : 訓練資料和測試資料(完成)（一）倒傳遞類神經網路(Back-Propagation Neural Network)(完成)（二）決策樹(Decision Tree)（三）支援向量機(Support Vector Machine)(完成)（四）貝式分類(Naïve Bayes)（五）k位最近鄰居法(k-Nearest Neighbor)（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)