Presentation is loading. Please wait.

Presentation is loading. Please wait.

(Classification – Advanced Techniques)

Similar presentations


Presentation on theme: "(Classification – Advanced Techniques)"— Presentation transcript:

1 (Classification – Advanced Techniques)
분류 - 고급기법 (Classification – Advanced Techniques) 2017년 가을학기 강원대학교 컴퓨터과학전공 문양세

2 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers)
강의 내용 Classification 분류 정의와 적용사례 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers) 인접 이웃 분류기 (Nearest Neighbor Classifiers) 베이지안 분류기 (Bayesian Classifiers) 인공 신경망 (Artificial Neural Networks) 지지도 벡터 머신 (Support Vector Machines)

3 규칙기반 분류기 (Rule-Based Classifier)
Classification

4 규칙기반 분류기 예제 Classification Reptiles: 파충류 Amphibians: 양서류

5 규칙기반 분류기의 적용 Classification

6 규칙 적용범위(Coverage)와 정확도(Accuracy)
Classification

7 규칙기반 분류기의 동작 방법 Classification

8 규칙기반 분류기의 (바람직한) 특징 Classification 상호 배타적 규칙 (Mutually exclusive rules): 각 레코드는 하나의 규칙에만 지배를 받아야 한다. 포괄적 규칙 (Exhaustive rules): 분류기의 규칙은 모든 가능한 레코드에 적용될 수 있어야 한다.

9 의사결정 트리  규칙 생성 Classification

10 (생성된) 규칙의 단순화 Classification

11 규칙 단순화에 의한 효과 영향 Classification

12 순서화된 규칙 집합 (Ordered Rule Set)
Classification

13 분류 규칙의 생성 방법 Classification

14 직접 방법: 순차적 커버링(Sequential Covering)
Classification

15 순차적 커버링 예제 Classification

16 순차적 커버링 진행 Rule Growing Instance Elimination Rule Evaluation
순차적 커버링 진행 Classification Rule Growing Instance Elimination Rule Evaluation Stopping Criterion Rule Pruning

17 순차적 커버링 - Rule Growing Classification hibernate: 동면

18 순차적 커버링 - Instance Elimination
Classification Why do we need to eliminate instances?  Otherwise, the next rule is identical to previous rule

19 Metrics 순차적 커버링 - Rule Evaluation Accuracy Laplace M-estimate
Classification Metrics Accuracy Laplace M-estimate n : Number of instances nc : Number of instances covered by rule k : Number of classes p : Prior probability

20 순차적 커버링 - Stopping Criterion & Rule Pruning
Classification

21 간접 방법: 의사결정 트리 등 사용 Classification

22 규칙기반 분류기의 장점 Classification

23 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers)
강의 내용 Classification 분류 정의와 적용사례 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers) 인접 이웃 분류기 (Nearest Neighbor Classifiers) 베이지안 분류기 (Bayesian Classifiers) 인공 신경망 (Artificial Neural Networks) 지지도 벡터 머신 (Support Vector Machines)

24 인스턴스 기반 분류기 (1/2) Classification

25 인스턴스 기반 분류기 (2/2) Classification rote: (기계적) 암기

26 인접 이웃 분류기 (Nearest Neighbor Classifiers)
Classification

27 인접 이웃 분류기 개념 Classification

28 인접 이웃 분류기 정의 Classification

29 1 인접 이웃 (1-Nearest Neighbor)
Classification

30 인접 이웃 분류기 이슈 (1/4) Classification

31 인접 이웃 분류기 이슈 (2/4) Classification

32 인접 이웃 분류기 이슈 (3/4) Classification

33 인접 이웃 분류기 이슈 (4/4) Classification

34 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers)
강의 내용 Classification 분류 정의와 적용사례 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers) 인접 이웃 분류기 (Nearest Neighbor Classifiers) 베이지안 분류기 (Bayesian Classifiers) 인공 신경망 (Artificial Neural Networks) 지지도 벡터 머신 (Support Vector Machines)

35 베이지안 분류기 (Bayesian Classifiers)
Classification

36 베이스 정리의 예제 Classification meningitis: 뇌막염 stiff neck: 뻣뻣한 목

37 베이지안 분류기 개념 (1/2) Classification

38 베이지안 분류기 개념 (2/2) Classification

39 순수 베이지안 분류기 (Naïve Bayes Classifier)
Classification

40 훈련 집합에서 확률 구하기 (1/3) Classification

41 훈련 집합에서 확률 구하기 (2/3) Classification

42 훈련 집합에서 확률 구하기 (3/3) Classification

43 순수 베이지안 분류기 예제 (1/2) Classification

44 순수 베이지안 분류기 예제 (2/2) Classification

45 베이지안 분류기 요약 Classification

46 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers)
강의 내용 Classification 분류 정의와 적용사례 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers) 인접 이웃 분류기 (Nearest Neighbor Classifiers) 베이지안 분류기 (Bayesian Classifiers) 인공 신경망 (Artificial Neural Networks) 지지도 벡터 머신 (Support Vector Machines)

47 Thinking Machine from Brain
Classification

48 Activation Function – Neuron? Cell?
Classification

49 인공 신경망 개념 (1/3) Classification

50 인공 신경망 개념 (2/3) Classification

51 인공 신경망 개념 (3/3) Classification

52 인공 신경망의 일반적 구조 Classification

53 인공 신경망의 학습 알고리즘 Classification

54 인공신경망의 하드웨어 구현 Classification

55 더 많은 레이어  딥 러닝 Classification

56 Convolutional NN – CNN (1/2)
Classification

57 Convolutional NN – CNN (2/2)
Classification

58 순차적 성질?  Recurrent NN Classification

59 https://hunkim.github.io/ml/
머신러닝 강좌 Classification HKUST 김성훈 교수님 NN 관련 많은 슬라이드가 위 강의 사이트에서 발췌되었음

60 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers)
강의 내용 Classification 분류 정의와 적용사례 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers) 인접 이웃 분류기 (Nearest Neighbor Classifiers) 베이지안 분류기 (Bayesian Classifiers) 인공 신경망 (Artificial Neural Networks) 지지도 벡터 머신 (Support Vector Machines)

61 SVM (Support Vector Machines) (1/7)
Classification

62 SVM (Support Vector Machines) (2/7)
Classification

63 SVM (Support Vector Machines) (3/7)
Classification

64 SVM (Support Vector Machines) (4/7)
Classification

65 SVM (Support Vector Machines) (5/7)
Classification

66 SVM (Support Vector Machines) (6/7)
Classification

67 SVM (Support Vector Machines) (7/7)
Classification

68 비선형 SVM (Nonlinear SVM) (1/2)
Classification

69 비선형 SVM (Nonlinear SVM) (2/2)
Classification

70 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers)
강의 내용 Classification 분류 정의와 적용사례 의사결정 트리 (Decision Trees) 규칙기반 분류기 (Rule-Based Classifiers) 인접 이웃 분류기 (Nearest Neighbor Classifiers) 베이지안 분류기 (Bayesian Classifiers) 인공 신경망 (Artificial Neural Networks) 지지도 벡터 머신 (Support Vector Machines)


Download ppt "(Classification – Advanced Techniques)"

Similar presentations


Ads by Google