Download presentation
Presentation is loading. Please wait.
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)
Similar presentations
