Содержание
- 2. בחינת גמר לדוגמה שאלה 1 (20 נקודות) – חוקי הקשר (association rules) נתון סל קניות הכולל
- 3. פתרון שאלה 1 support(a) =25% א support(b) =90% support = support({A}U{B}) = 20% For rule A=>B:
- 4. פתרון שאלה 1 ב = 0.2/0.25*0.9=0.88 = 0.05/0.25*0.1=2 lift (A , !B) lift (A , B)
- 5. שאלה 2 שאלה 2 (25 נקודות) – ניתוח אשכולות (clustering) בצעו אשכול לעשר הנקודות הבאות תוך
- 6. פתרון שאלה 2
- 7. פתרון שאלה 2
- 8. פתרון שאלה 2 6 9
- 9. פתרון שאלה 2 6 9 8
- 10. פתרון שאלה 2
- 11. פתרון שאלה 2
- 12. פתרון שאלה 2 4
- 13. פתרון שאלה 2 4 1
- 14. פתרון שאלה 2 4 1 10
- 15. פתרון שאלה 2 4 1 10
- 16. פתרון שאלה 2 4 1 10
- 17. פתרון שאלה 2 6 9 8 3 7 2 5 1 4 10
- 18. שאלה 3
- 19. שאלה 3 - המשך א. בנו עץ החלטה עבור נתוני האימון שבטבלה לחיזוי סוג הרכב. בתשובתכם
- 20. פתרון שאלה 3
- 21. פתרון שאלה 3 Info(class) = -Σi Pi log2 Pi = -p(C0)*log p(C0) -p(C1)*log p(C1) = 0.5*1+
- 22. פתרון שאלה 3 Gain (Income) = Info(class) - InfoIncome(class) InfoIncome(class)=Info(class|Income)= -Σj P(Income =vj) Info(class|Income =vj) InfoIncome(class)=
- 23. פתרון שאלה 3 Gain (CarType) = Info(class) - InfoCarType(class) InfoCarType (class)=Info(class|CarType)= -Σj P(CarType =vj) Info(class|CarType =vj)
- 24. פתרון שאלה 3 Gain (Gender) = Info(class) - InfoGender(class) InfoGender (class)=Info(class|Gender)= -Σj P(Gender =vj) Info(class|Gender =vj)
- 25. פתרון שאלה 3 Gain (Income) = 0.0173 Gain (CarType) = 0.463 Gain (Gender) = 0.03 Selected
- 26. פתרון שאלה 3 CarType sports luxury C1 family Income not low low C0 C0 C1
- 27. שאלה 4 (20 נקודות)- סיווג וחיזוי (classification and prediction) נתון סט נתונים בו ה Concept הוא
- 28. פתרון שאלה 4 להלן עץ בינארי המחשב את הביטוי הלוגי A XOR B באמצעות שפה המכילה
- 29. פתרון שאלה 4 סריקת Pre-order של העץ תניב את הביטוי: OR(AND(NOT(A),B),AND(A,NOT(B)) אוסף הביטויים, שניתן להציב בצמתים
- 30. שאלה 5 (10 נקודות) במהלך קורס כריית מידע טען אחד הסטודנטים "בחברה בה אני עובד הנתונים
- 31. פתרון שאלה 5 בשאלה זו עליכם להתייחס לנושא של הכנת הנתונים. האם באמת ניתן לבצע כריית
- 32. FP-Growth
- 33. Core Data Structure FP-Tree
- 34. Step 1: FP-Tree Construction (Example)
- 35. Step 1: FP-Tree Construction (Example)
- 36. Step 1: FP-Tree Construction (Example)
- 37. FP-Tree size
- 38. Step 2 : Frequent Itemset Generation
- 39. Step 2 : Frequent Itemset Generation
- 40. Example
- 41. Conditional FP-Tree
- 42. Conditional FP-Tree
- 43. Conditional FP-Tree
- 44. Conditional FP-Tree
- 45. Example (continued)
- 46. Example (continued)
- 47. Result
- 49. Скачать презентацию