KLASZTERANALÍZIS OSZTÁLYOZÁS
|
|
|
- Vilmos Sipos
- 5 évvel ezelőtt
- Látták:
Átírás
1 L G L z eseteket homogén csoportokba (ú.n. klaszterekbe) soroljuk. csoportosítás alapja egy adott metrika szerinti közelség, illetve egy adott hasonlósági mérték szerinti hasonlóság. C z esetek egy kategóriaváltozó értékei alapján osztályokba vannak tagolva. feladat az, hogy a többdimenziós térben az osztályokat szeparáló felületekkel elválasszuk. OLYO smert kategóriájú esetek segítségével (tananyag) döntésfüggvényt konstruálunk, amivel ismeretlen kategóriájú esetekhez is tudunk osztályokat rendelni. PÉL G L L ilyen csoportok alakíthatók ki az employee állományban a fizetési adatok (salary, salbegin) alapján? ilyen csoportosulások keletkeznek az országok halmazában, ha az egészségügyi helyzetet jellemzo változókat tekintjük: lifeexpf, lifeexpm, babymort, calories, aids_rt, b_to_d ilyen csoportosulások keletkeznek az országok halmazában, ha a gazdasági helyzetet jellemzo változókat tekintjük: gdp_cap, cropgrow, urban
2 PÉL G L C OLYO Betufelismerés fizetési adatok mennyire választható szét a jobcat, gender illetve minority kategóriaváltozók alapján? ennyire válnak szét az országok a gazdasági tömörülés (region) alapján? uholdképpontok osztályozása Banki rizikóelemzés: kapjon hitelt? e kapjon? Orvosi diagnosztika: Beteg? em beteg? epülésirányítás: Felszálljon? öröljék? Cluster Y X
3 k-közép módszer (-eans Cluster nalysis) L Olyan dinamikus klaszterezo eljárás, amikor elore meg kell adni a klaszterek számát. klaszter-középpontok térbeli helyzetét iterációban állandóan változtatjuk, amíg egy stabil állapot ki nem alakul. z esetvektorok a legközelebbi klaszterközépponthoz lesznek rendelve. lonye: agy esetszámú adatmátrix feldolgozható vele. Hátránya: metrika beépített, körülményes a koordinátasúlyozás lore meg kell adni a klaszterek számát
4 hierachikus klaszterezés (Hierarchical Cluster nalysis) L gyelemu klaszterekbol kiindulva, minden lépésben a két legközelebb fekvo klasztert összevonva csökkentjük a klaszterek számát, amíg minden eset egyetlen klaszterbe nem kerül. folyamatot regisztráló dendogrammot utólag kielemezve, azt a köztes állapotot fogadjuk el, amikor az összevonás eroltetett volt, azaz az összevont klaszterek elég távol vannak egymástól. lonye: em kell elore tudni a klaszterek számát Változtatható a távolság- és hasonlósági-mérték Hátránya: is dimenziószám esetén indítható el H C H L d( C, C ) VOLG U L legközelebbi-társ távolság legtávolabbi-társ távolság É lasztercentrumok távolsága 4
5 d( x, y ) VOLG L d( x, y ) VOLG L 5
6 C Ö BB Ó gy p-dimenziós sokaságot lehet egy k=, vagy dimenziós uklideszi ponthalmazzal vizualizálni. ponthalmaz távolságviszonyai az eredeti sokaság eseteinek távolságviszonyaival nagymértékben egyezik. vizualizálás révén tanulmányozható a statisztikai sokaság térbeli struktúrálódása. Jellegzetes tömörülések, irányok fedezhetok fel az elkészült scatter-grafikonon. L.. eset. eset n. eset 6
7 Ö BB z esetvektorok egymástól vett nxn-es távolságmátrixa Ó egkonstruálhatók olyan k=, vagy dimenziós vektorok, melyek nxn-es uklideszi távolságmátrixa nagymértékben hasonló -hez. L kicsi 7
Matematikai statisztika Gazdaságinformatikus MSc október 15. Adatredukció. Klaszteranaĺızis. Diszkriminancia anaĺızis, Osztályozás
Matematikai statisztika Gazdaságinformatikus MSc 7. előadás 2018. október 15. 1/61 Olyan statisztikai módszerek tartoznak ide, melyek lehetővé teszik, hogy az adatmátrix méretét csökkentve kisebb költséggel
Matematikai statisztika Gazdaságinformatikus MSc október 15. Adatredukció. Klaszteranaĺızis. Diszkriminancia anaĺızis, Osztályozás
Matematikai statisztika Gazdaságinformatikus MSc 7. előadás 2018. október 15. 1/61 Olyan statisztikai módszerek tartoznak ide, melyek lehetővé teszik, hogy az adatmátrix méretét csökkentve kisebb költséggel
Gyakorló feladatok adatbányászati technikák tantárgyhoz
Gyakorló feladatok adatbányászati technikák tantárgyhoz Buza Krisztián Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Klaszterezés kiértékelése Feladat:
Ó Ó É ü É ü ü
É Ó É Ú ü ű ú ú ü ü ü Ó Ó É ü É ü ü Ó ü ü ü É ü ü Ó É É ü ü ü ü ü ü ü ü ü ü ü ü ü Ó Ó ü ü ü ü ü ü ü É ü ü É ü ü ü ü ü ü Ó ü ü ü ü ü ü ü ü É Ó ü ü É Ó Ó ü ü ü ü ü É ü ü ü É ü ü ü ü ü Ó Ó ú ü ü ü ü ü ü Ó
ű ű ű Ö ű ű ű Ú ű ű ű Ö ű ű ű ű ű ű ű
ű Ö É ű É Ö ű ű ű ű ű ű ű ű ű Ö ű ű ű Ú ű ű ű Ö ű ű ű ű ű ű ű Ú Ú Ú Ü É É É É ű É Ú É ű É Ó Ö É É ű ű ű É ű Ö Ö ű Ö Ú ű ű ű Ú ű ű ű Ö ű ű ű É ű ű ű Ó Ü É É Ú Ú Ü Ü Ö Ó ű Ü Ü ű ű É Ó Ó ű ű Ü Ö Ó Ö Ü Ü ű
Ú Ú Ü Ü ű ű ű É Ú É ű
É Ó ű ű Ö Ú Ú Ü Ü ű ű ű É Ú É ű É ű ű ű Ü ű É ű Ű Ö ű ű ű Ú Ú É É Ó Ó Ú ű ű É Ú É Ü Ü Ú ű Ú Ó É Ü ű É ű ű ű Ö ű ű ű Ö Ö Ú ű Ü Ú Ö ű Ü ű Ü ű ű Ü Ö ű ű ű Ú Ü Ú Ó ű ű É É ű ű ű ű ű Ö ű ű ű ű ű ű ű Ö ű ű ű
Ó Ó ú ú ú ú ú É ú
É Ö É ű ú É Ó É ú ú ú Ó Ó ú ú ú ú ú É ú Ó Ó ú É ú É ú Ó Ö É Ó Ó ú É ú Ö Ó Ó ú ú É É É ú Ó Ó É ú ú ú ú ú ú ú ú ú ú É Ú É Ó Ó ú ú Ó Ó Ö Ö É É É ú É É ú ú É É Ó Ó É Ű ú É Ó Ó Ű Ú ú ú É Ú Ú É Ú Ó Ó Ó É É É
Ó ú É ú É É É Ő ú ú ű Ó Ö É É ú Ü ú É ú
É Ó Ö É Ü ű ú Ü ÉÚ É ú ú ű ú Ó ú É ú É É É Ő ú ú ű Ó Ö É É ú Ü ú É ú Ó ú Ü Ü ú ű Ü Ö Ó ú ú ú ú É Ü ú ú Ü Ü Ó Ó É ú ú É É É É Ú Ü Ü ú Ü ú ú É Ő Ő ú É Ó Ó É Ő Ü Ó Ő ú Ó Ó É É ú Ü Ó Ó Ó É ú Ü Ú Ö Ü É ú Ó
ű ő ű ű ű ö ő ú ö ő ő ő ő ő ő ő ű ő ő ő ő ü ü ő ü ü ő ú ü ő ő ü ü ü ő ú ü
Ö ü ö ő ú ö ü ű ö ö ö ö ő ő ö ő ü ö ö ő ö ö ü ú ö ü ő ő ö ú ő ü ü ü ű ű ű ő ű ű ű ö ő ú ö ő ő ő ő ő ő ő ű ő ő ő ő ü ü ő ü ü ő ú ü ő ő ü ü ü ő ú ü ő ü ü ő ő ü ü ő ő ú ő ú ő ü ü ő ü ő ú ü Ü ő ő ö ő ü ő ü
Esettanulmány Kvantitatív elemzési módszerek (GTÜSE3915) tantárgyhoz
Esettanulmány Kvantitatív elemzési módszerek (GTÜSE3915) tantárgyhoz Az SPSS statisztikai program World95.sav nevű adatbázisa a világ 109 nemzetének 26 társadalmi-gazdasági és politikai helyzetét leíró
é ü ó ö é Ö é ü é é ó ö é ü ü é é ó ó ó é Á é é ü ó é ó ó é ö ö ö é é ü é ü é é ö ü ü é ó é é é é é é ö é é é é é é ö é ó ö ü é é é ü é é ó é ü ó ö é
Ó Ö é ü ó ö é é ü é é ó ö é ü ü é é ó é é é é é é ö é é é é é é é ó ö ü é é é ü ó ö é Ö é ü é é ó ö é ü ü é é ó ó ó é Á é é ü ó é ó ó é ö ö ö é é ü é ü é é ö ü ü é ó é é é é é é ö é é é é é é ö é ó ö ü
Ó Ó ó ö ó
É ó ö É Á ó ó ü ó Ü ó ö ú ű ö ö ö ü ó Ó Ó ó ö ó Ó Ó ö ö ö ü Ó Ó ö ö ü ö ó ó ü ü Ó Ó Ó Ó ó ö ó ö ó ö ó ö ü ö ö ü ö ó ü ö ü ö ö ö ü ü ö ü É ü ö ü ü ö ó ü ü ü ü Ó Ó ü ö ö ü ö ó ö ö ü ó ü ó ö ü ö ü ö ü ö ó
Klaszterelemzés az SPSS-ben
Klaszterelemzés az SPSS-ben Kvantitatív statisztikai módszerek Petrovics Petra Klaszteranalízis Olyan dimenziócsökkentő eljárás, amellyel adattömböket megfigyelési egységeket tudunk viszonylag homogén
ó Ó ú ó ó ó Á ó ó ó Á ó ó ó ó Á ó ú ó ó ó
É ó ú ó ú ó Á ó ó ú ó ó ó ú ó ó ó ó ú ó ó ó ó ó ó ú ó ó ú ó ó ó ó Ó ú ó ó ó Á ó ó ó Á ó ó ó ó Á ó ú ó ó ó Ö ó ó ó ó ó ó ó ó ó ó ó ó Ü ó ű ú ú ó ó ó ó ó ó ó É ó É ó É ó ó ó ó ó ó É ó ú ó ó É ó ó ó ó É ó
Ó é é Ó Ó ő ű Ó Ö ü Ó é Ó ő Ó Á Ö é Ö Ó Ó é Ó Ó Ó Ó ú Ó Ó Ó Ó ű Ö Ó Ó Ó é Ó Ó ö Ö Ó Ö Ö Ó Ó Ó é ö Ö é é Ü Ó Ö Ó é Ó é ö Ó Ú Ó ő Ö Ó é é Ö ú Ó Ö ö ű ő
É Ó Ű Á Ó É Ó Á É Ó Á ő ű Ó ú Ö ú é Ö Ó Ö ú Ó Ö ú Ó Ó Ó Ó ű é ű ű Ó Ó ú ű ű é é Ö ö Ö Ö Ó ű Ó Ö ü ű Ö Ó ő Ó ő Ó ú Ó ő Ó é Ó ű Ó Ó Ó Ó ú Ó Ó Ó Ó Ö Ó Ó ö ő ü é ü Ö é é é Á é Ó Ó ú ú ű é Ö é é é Ó é é Ó Ó
ó ő ő ó ő ö ő ő ó ó ó ö ő ó ó ó ö ő ó ő ő ö Ö ő ö ó ő ö ő ő ú ö ö ü ö ó ö ö ö ő ö ö Ö ú ü ó ü ő ő ő ő ó ő ü ó ü ö ő ö ó ő ö ő ö ü ö ü ő ö ö ó ö ő ő ö
ü ö ő ö ő ó ö ő ü ü ö ő ó ó ü ő ö ő ö ő ö ü ö ő ö ő ó ö ü ü ö ő ő ő ö ő ö ü ö ő ó ő ö ü ö ő ő ű ő ö ö ő ű ő ü ö Ő ó ö ö ő ü ó ü ú ű ú ő ó ó ó ő ö ő ő ö ó ö ö ő ő ö ö ó ú ő ő ö ó ö ó ö ü ó ő ő ö ó ő ő ó
ű ű ű Ú Ú Á ű Ö ű ű Ú Ő É
Ü ű ű ű Ú Ú Á ű Ö ű ű Ú Ő É É ű Ö Ö Á É ű Ö Ö Á Ü Á ű ű Ó Ó Á Á É Ü É ű Ó Á Ó Á ű Ö ű ű É Ü Ö ű É Ö ű ű Ó ű ű Ú ű ű ű ű ű É ű É Ú Ö Á É ű ű Ó ű ű ű ű ű ű Ó ű Ü ű ű ű É ű ű Ü Ü ű ű Ő Á Á Á ű ű ű Ó Ó Ó ű
ű Ö ű Ú ű ű ű Á ű
ű ű Ó É É ű Ó ű Ü ű ű Ö ű Ú ű ű ű Á ű É ű Á ű ű ű ű ű ű ű ű ű ű ű Á ű ű Ö Ü Ö É ű ű Ü Ü ű É Á Ú É É ű ű ű Ö É ű É Ó É Á Á É ű ű Á ű ű ű Á É ű Ö Á ű ű ű Á ű Á É Ö Ó Ö ű ű ű ű ű ű ű Á É Á Á ű ű ű Á ű ű ű
Á Ó ű ű Á É ű ű ű ű Ú Ú
Ö ű ű Ö Ü ű ű ű ű ű Ó ű Ü ű Á Ó ű ű Á É ű ű ű ű Ú Ú ű ű Á Á Á É ű ű ű ű ű ű ű ű ű ű É ű Ö Ó Ú ű ű ű ű Ü Ó Ú ű É É Ó É É Ó É É É É Ó ű ű ű ű ű Ü ű Á ű ű ű ű ű Ü ű ű ű ű ű ű Á ű Ú Á Á Ö É Á Á Ö É Ü ű ű Ü
Á Á ő ő Ö ő ő ö É ö ő ö ő ő ö ő ő ö ő ő ü ö
ű É É Á Á Á É Ó É É Á ö ő ő ö ő ő ő Ó ő ö ő ö ő ú ő ü ö ő ü ö Á É ű Á É É É Ö ö Á É É ő ő ö Á Á ő ő Ö ő ő ö É ö ő ö ő ő ö ő ő ö ő ő ü ö É É Á Ö ő ú ő ű Ö ü Ő É Ó É É Á Ó É Á É Ü É Á Ó É ő ő ö ö ő ö ö ö
Ú ű É ű ű Ü Ü ű ű Ú É ű ű Ü ű ű ű ű ű ű ű Ú ű ű
Ú ű ű ű ű ű ű ű ű Ú ű É ű ű Ü Ü ű ű Ú É ű ű Ü ű ű ű ű ű ű ű Ú ű ű É ű Ú Ú Ú Ú Ú ű Á Ú Ú Ú Ú ű Ú Ú ű É ű Ú Ú Ú Ú Ú Á ű Ó ű Ú É É Ú Ú ű É ű ű ű ű É ű Ő ű Ő ű ű ű ű ű É ű É Á ű ű Ü Á Ó ű ű ű Ú ű ű É ű ű Ú
Á Ö Ö Ö Ö ú ú Ö Ö Ó Ó ú ú Ü ú Ó Ö Ö Ü Ó Ö Ö Á Ó ú ú ú ű Ö Ö Ö Ö Á Ó Ö Ó ú ú Ö
Ó ú ú ú ú ű ű ű ú Á Ö ű Á Ö Ö Ö Ö ú ú Ö Ö Ó Ó ú ú Ü ú Ó Ö Ö Ü Ó Ö Ö Á Ó ú ú ú ű Ö Ö Ö Ö Á Ó Ö Ó ú ú Ö Ú ű ú É Á Ó Ó É Ó Ó ú ű ű ű ú Ö Ó Ö ú ú Ö ú Ü ú Ü É Ö Á Á Á Á ú Ó Ö ú ú ú Ü Ö ú ú ú ú ú ú Ö ú Ö Ó ű
ű Ú ű ű É Ú ű ű
ű ű ű ű Ú Á É Ú ű Ú ű ű É Ú ű ű ű Á ű ű ű ű ű Ü ű Á ű ű ű Á Á ű ű ű É ű ű ű Ú É ű ű ű ű ű ű ű ű Á É Á Ö Ü ű É ű ű Ö É Ü Ú ű Ó ű É Ó Ó Ó ű É Ü Ü ű ű Ú ű ű ű ű ű ű ű ű ű ű É ű ű Á Á ű Ú ű Ú ű ű Ó ű ű Ü Ü
ő ű É Ó Ü É É É É Ü Ö É É É ű É Ö É Ü É Ú Ó ő Ó
Ú Ü Ü Ü Ü Ü Ü Ú Ú Ú Ü É Ü Ü ő ű É Ó Ü É É É É Ü Ö É É É ű É Ö É Ü É Ú Ó ő Ó Ö ű Ú É É Ö Ö ű Ó Ö ű Ü Ü Ü Ú É É ő ő ő Ó Ó Ó Ű Ű Ü Ü ő Ü Ö Ó Ö Ó ő Ó ő ő ő ő ű ő ő ű ű É ő ő ő ő ő ő ő ő ű ő Ö Ö Ö ő Ü Ö ő ő
Ó Ó ö ú ö ö ö ö ü ú ú ö ö ö ú ú ö ö ö ú ú ú ű ö ö ú ö ü ö ö ö ö ü ú Á ö ü Á ö ö ö ö ö ö
É Ó ö É Á ű Ü Ü ö Ú ö ö ö ö ö ö ö ú ö ö ö ö ö ú ú ú ú ú ú ü ú ú ö ö ű ö ü ú ö Ó Ó ö ú ö ö ö ö ü ú ú ö ö ö ú ú ö ö ö ú ú ú ű ö ö ú ö ü ö ö ö ö ü ú Á ö ü Á ö ö ö ö ö ö Á Ó ú ö Á ö Á ö ú ú ö ö ö ö ü ü Ü ú
ü ü Ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü É ü ü
ü ü É ű ű É É ű ü ű ü ü ü Á ü ü ü ü ü ű É ü ű É ű ü ü ü Ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü É ü ü ü Á ü ü ü ü ü Ú ü ü ű É ü ü ű ü ü ű ü ü ü ü É ü ü ü ü ü ü ü ü É ű ü Á ü ü ü ü ü Á Ö É ü ü ű Ú ü ü ü ű
ő ü ó í í í ő ó Ó í
ő ü É Ö É Ü É í í í ó Ö ü ő ó ó ó ő Ö ő ü ő ü ó Ö ő ű Ó ő ó ű ő ü ő ő í í í ő í í í í í í ő ü ő ó ü í í ő ó Ö ó ú ő ő ő É í ü ó ő ő ő ü ó í í í ő ó Ó í Ö ő ü ő ó í í ó í ő ő ő ó ő ő ü ó í í ó Í í ő ó ő
ú ö ö ö ö ö ö Á ö ö ö á á á ű Ü ű ö ö Á á Á
ú ú ö ö ö ö ö ö Á ö ö ö á á á ű Ü ű ö ö Á á Á Á ú á ú á Á ö á ö ö ö ú á á ö ö ö ö á ű Ü ú ö Ü ű ö ú ű á á á ú á ú ú á ö ö ú ö ú ú ö ö ú ö ö ö á ö ö ö á á ö ú ö á á Ú á ö ö ö Ü ú Á á ű ö Ü ö ú Á á ö á ö
ö ö É ő ó ó ő ü ó ó Ü É É ö ö ó ű ü ó ó ö ű Í ö ó ö Í ő ü ü ö ö ő ö ó ö ó ó É ó ő ö ö ó Ö ü ő Í ű ó ő ü ő Ó Ö ű Í ó Ó ő ő ö ő ő ő ö
ö ó ó Ü É Ö Ö ó ó ü ü Ó ó ó ü ő ő ü ő ő ó ő ó ó ő ó ó ő ó ó Ó ü ő ó ó ó ő ó ű ő ö ü ö ü ü ő ó ű ű ő ö ö ó ó ó Ö É Ó ö ö É ő ó ó ő ü ó ó Ü É É ö ö ó ű ü ó ó ö ű Í ö ó ö Í ő ü ü ö ö ő ö ó ö ó ó É ó ő ö ö
ü É ü Ö ü ü ü Ü ü ü Í
ü É ü Ö ü ü ü Ü ü ü Í Ü É Ö ü Í Ü Ü ü É Ő Ö ü Ö É É Ő Ü ü ü ü Ö ű Ö ű Ö ú Ó É Ö ü ü ü ü É Ö ű ü ü ü É ü ű Ó Ü ü ü Ü ű ü Ó ű ü É É Ö ű ű Ö ű É Ö ű ű ü Ö ü ü ü ú Ü Ő ü Ö ü Í Ő ű É É É Ö ü ü ü ü Ü É ű Ú Ő
É Á Á Ö Á
É Á Á Ö Á Á É Á Ü ű Á É Ü ű Ú ű ű É É ű ű Á ű ű ű ű ű É ű ű ű Á É É É ű Á É É Á É Á É Ü Ü ű Á Á Á ű Á Á Á Á Á Á Á Á Ü ű Á ű Ü É É Á Á Á É ű ű ű ű ű ű ű ű ű ű ű ű ű Á Á É É ű É ű Ő ű É Ő Á É É ű ű Ú Á
ö ü í ú í ö ö í ú ü í ü ö í ú ö ü í ö ü ö ö ö Í ö ö
ö ö ü ü ö ö ü ü ü ö Í ö ö í ü í ü ü Í í ö ü í ú í ö ö í ú ü í ü ö í ú ö ü í ö ü ö ö ö Í ö ö ö í ü ü ü ü ö ü ü ö ö ö ü Ó ö ö ü í ö ö Ó ö ö ö ö ü ö ö ü ü í ö ü ü ö ö É ü ü ü í ü ö Í ö ü í ö ü í ö ö ö í ü
É É Í É É ö Í í í í ű ü ö í í Í
Í É Í É ö ü í í ö ö Í ö í í í í ű ü ö í Í É É Í É É ö Í í í í ű ü ö í í Í Ő Í Í ö ü í í ö Í ö Í í í í í í í í í í ű ü ö í í í ö Í ü í í ö ö Í ü ö ü É ú í ű ü ö í í Í É ö ú ü í Í í ö ö Í ö ö ö ü ü ú ű ü
É ó Í É
É Ó É É É Í ő É É ó Í É ó ú ú ó ö ű ő í ó ó í ü ű í Í ő ú í í ő ő ó ő ö ó ó ő ó ő ő ö ó ő ó ö ö ö ő ö ó ö ő ő í ó í í ő ó ú ó í ő ű ö ő Í ő ő ó ö ü ö ő ó ő ó ő ő ő ó ó ű ö í ő ö ö ö ő í ö ó ö ö ő í ü ú
ü ö í ü ö í ü ö ű í í í ö Ü í ü ü ö í í ü ö í ű í ö í í ú ö ö í í ü ű ö ü í í ü í ü í í ö ü í ö ö ü í ö ű ö í í ö ú ö í ö í ű ö ö ö í í í í ö ö
ú ö ü ű í ü ö í ü í É É É Ő í ü ö ü ü í ü É ö í í í ü ö ö ű ö ü ö í ü ö í ü ö ű í í í ö Ü í ü ü ö í í ü ö í ű í ö í í ú ö ö í í ü ű ö ü í í ü í ü í í ö ü í ö ö ü í ö ű ö í í ö ú ö í ö í ű ö ö ö í í í í
Keresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Keresés képi jellemzők alapján Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Lusta gépi tanulási algoritmusok Osztályozás: k=1: piros k=5: kék k-legközelebbi szomszéd (k=1,3,5,7)
ü ú ú ü ú ú ú ú
ú ú ú ü Ü ú ú ű ú ú ü ú ü ü ú ú ü ú ú ú ú ü ú Ö ü ü ü ú ü ú Ó ü ü ű ü Á Ü ü ű ü ű ü ű ű ü Ó ű ú ú ű ú ü ü ú ű ű ú ű ü ú ű ű ü ü ü ű ü ű ü ü ű ü ü ü ü ü ü ü ü ü ú ű ü ű Ó ü ü ü ú Á Ü ú ü ű ü Á Ü Ö Ú Á Á
ú ü ú ü ú
ü Ö É ÓÍ Ó É Ó ú ű Ő ú ü ü ü ü ü ú ü ú ü ú ü ú ú ü ü ú ű ű ű ű ü ú ü ü ű ü ú ü ü ü ü ü ú ú ű ü ú ü ü ű ü ú ü ü ü ú ü ü ú ú ű ü ú ü ü ű ü ú ü ü ü ü ü ú ű ű ü ú ü Ű ú ű ü ú ü ü ü ü ü ú ű ű ü ú ü ü ű ü ú
ö ő ü ö ő ő ü ü ő ő ő ü ö ü ü ő ú ő ő ő ü ő ő ő ő ő ú ő ő ü ő ő ő ü ö ü ú ő ő ő ő ü ü ő ő ú
ő ű ű ő ö ö Á ö ő ü ö ő ő ü ü ő ő ő ü ö ü ü ő ú ő ő ő ü ő ő ő ő ő ú ő ő ü ő ő ő ü ö ü ú ő ő ő ő ü ü ő ő ú ő ö Á Ó ő ő ü ú ő ő ő ő Á ő ú ű ő ő ő ü ú ő ő ő ő ő ő ő ő ö ü ú ő ő ő ő ű ű ő ő ö ű ü ő ő ő ö ö
ö ű ü ü ö ü ö ö ü ö ö Í Ö ö ü ö Í ű ö ű ü ü ö ú ö ű ü ü ö ö ö ü ű ü ö ü ű ű ú ö ö ö ű ü ú ú
ö É Ő ü ü ű ö ű ű ö ű ö Í Ó Ö É É Ó É ú ü ü ú ö ű ü ü ö ü ö ö ü ö ö Í Ö ö ü ö Í ű ö ű ü ü ö ú ö ű ü ü ö ö ö ü ű ü ö ü ű ű ú ö ö ö ű ü ú ú ö ö ű ö ű ö ű ú ü ü ö ű ü ö ü ű ű ú ü ö ö ö ű ü ö ö ö ö ö ú ú ö
ű ű ű ű ű ű Ú Ú ű ű ű Ö ű ű ű ű ű ű
Ü É ű ű ű ű ű ű ű ű Ú Ú ű ű ű Ö ű ű ű ű ű ű Ö Ü Ú ű Ü Ö É Ü Ü ű ű ű ű ű ű É É ű É Ó É Ü ű Ó É É É Ő űű ű Ö ű Ú ű ű ű ű ű ű ű ű ű ű ű ű Ö ű ű ű ű ű ű ű ű ű ű ű ű Ü É ű ű ű ű Ú É É ű ű Ü É Ü ű ű ű Ü ű ű
í ö ó í ö í Í ó ú ó ö ű ó ű ö í ó ó ó ó ó Í ú í ó í í ó Í ö ö ú í ú ó ö Í ó ó Í í ó ó ö ö ö ö ö í ö ó ű í ó ó ö ú ó ó ö ö ó í ö ö ó ó ö ö í ö ó í ű ö
É ó É ó ö ö í ö ó ó ó ö ö ó ó ö ö ó ó ö ö ö í ó ö í ó ó ó ó ó ö ö í ö í ö í ű ű ö ú ö ö ú ö ö ö ö í ó ó ó ö ö í Í ó ö ö ö ö Í Ü í í ö ó í ö í Í ó ú ó ö ű ó ű ö í ó ó ó ó ó Í ú í ó í í ó Í ö ö ú í ú ó ö
Í ü í í í ü ű ű í ü í ü ü ű ü í ü í ű ü ü ű Ö ü ű ü í í ü í í ű ü ű í í ű ü í ü í í ü ü í ü Ú í ü í í í ű ű í ű í í í ü í í í í í ü í í ü í í í í ü í í í ü í í ü í ü ü ü ü Ó ü í ü í ü ü ü í ű í í ü ű
ű ö ű ö í í ö É ö ü ö ú ü ű ü ü ű ö ö ü ü ü ö ü ü ű ü ü ű í ü ü ö Ö ü í ű ö Ö ü ű
ö ü ö Ö ü ü í ö ű ö ű ö í í ö É ö ü ö ú ü ű ü ü ű ö ö ü ü ü ö ü ü ű ü ü ű í ü ü ö Ö ü í ű ö Ö ü ű ü ö ü ö ö í ü ö ö ü í ö í ü ü ü ú ö ü ü ü ű í í ü ü ö Ö ü í ö ü ö Ö ü ö ö ű ö ö Ö ü ö ö Ö ü í í í Ü ö í
Adatbányászat: Klaszterezés Haladó fogalmak és algoritmusok
Adatbányászat: Klaszterezés Haladó fogalmak és algoritmusok 9. fejezet Tan, Steinbach, Kumar Bevezetés az adatbányászatba előadás-fóliák fordította Ispány Márton Logók és támogatás A tananyag a TÁMOP-4.1.2-08/1/A-2009-0046
ű í ú í ú í ü ü í í í Ö í Í É í ú í í í ű ű í í Í í í É í í í
ú ű í ú í ú í ü ü í í í Ö í Í É í ú í í í ű ű í í Í í í É í í í ü ú ú ú ú ú í ú ü Ó ü ü ü ü Í Í í ü ü ü ü ü ü É í ü ü ú Í í ü í í í ü ü í í ú ü í ü í í í ú ú í ü ü ü ü í í í ű ü í í É É í í í í Ü í í ú
MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR
MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR Korszerű információs technológiák Klaszteranalízis Tompa Tamás tanársegéd Általános Informatikai Intézeti Tanszék Miskolc, 2018. október 20. Tartalom
MATEMATIKA ÉRETTSÉGI VIZSGA ÁLTALÁNOS KÖVETELMÉNYEI
A vizsga formája Középszinten: írásbeli. Emelt szinten: írásbeli és szóbeli. MATEMATIKA ÉRETTSÉGI VIZSGA ÁLTALÁNOS KÖVETELMÉNYEI A matematika érettségi vizsga célja A matematika érettségi vizsga célja
Számítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Számítógépes képelemzés 7. előadás Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Momentumok Momentum-alapú jellemzők Tömegközéppont Irányultáság 1 2 tan 2 1 2,0 1,1 0, 2 Befoglaló
Klaszterelemzés az SPSS-ben
Klaszterelemzés az SPSS-ben Petrovics Petra Doktorandusz Klaszteranalízis Olyan dimenziócsökkentő eljárás, amellyel adattömböket megfigyelési egységeket tudunk viszonylag homogén csoportokba sorolni, klasszifikálni.
É ú É ö ö ű ö ö ö ú ú ú ű ű ú ö ű ö ű ű ü ö ö ü ű ö ü ö ö ö ö ú ü ö ö ö ú ö ö ú ö ö ú ü ú ú ú ű ü ö ö ű ú ű ű ü ö ű ö ö ö ű ú ö ö ü ú ü ö ö ö ü ú ö ű
É É É Ó Á É ú É ö ö ű ö ö ö ú ú ú ű ű ú ö ű ö ű ű ü ö ö ü ű ö ü ö ö ö ö ú ü ö ö ö ú ö ö ú ö ö ú ü ú ú ú ű ü ö ö ű ú ű ű ü ö ű ö ö ö ű ú ö ö ü ú ü ö ö ö ü ú ö ű ü ű ö ö ú ö ú ö ö ö ö ö ü ú ü ö ö ö ö ö ü
ű ú Í Ó Á ú Ű ű Ő Ö Á ú Ű Ü ú ú Á ú ű
É Á É É Ó Á ű Á ű ú ú ű ű ú ű ű ú Á ú ű ú ű ú ű ú ű Á ű ú ű ű Ö Ú Á ű ű Á ű ű ú Í Ó Á ú Ű ű Ő Ö Á ú Ű Ü ú ú Á ú ű ű ú ű ű ű ű ű ú ű ű ű ű ű ű Á ú ű ű ú ú ű ű ű ű ű ú ű Á ű ű ű ű ű ű ú ű ú ű ú ű Ö ú ű Ö
Adatbányászati szemelvények MapReduce környezetben
Adatbányászati szemelvények MapReduce környezetben Salánki Ágnes salanki@mit.bme.hu 2014.11.10. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Felügyelt
É Í Á Á É Ü Ó É É É É Í Ó Ó Ő Á Á É Á É É É É Á É É Á Á É É Á É Í
Í É Í Á Á É Ü Ó É É É É Í Ó Ó Ő Á Á É Á É É É É Á É É Á Á É É Á É Í É Á É Í Í É É Í Í Í Á Í Á Á ö ó ö ö ő ő ő ö ö ó ő ű ö ö ö ö ü ö ö ö ü ü ó ö Á ó ó ö ö ő ő ő ő ö ó ü ó ó ó ó ó ó ö ü ü ó ö Ó Í Í É É
Ö Ö Ú Ó Ö ű Ő Ő ű ű Ü Ő Ó Ő
ű É ű ű É Ö Ö Ú Ó Ö ű Ő Ő ű ű Ü Ő Ó Ő É Ó Ó É ű Ö ű Ö ű ű ű Ú Ú Ö ű ű ű Ö ű ű ű ű ű ű ű ű Ú É É É É Ö Ö Ú Ö É ű ű ű ű ű ű ű Ó ű Ö Ö ű ű ű É ű ű ű ű ű ű ű ű ű É ű ű ű ű ű ű ű ű ű ű Ö ű ű ű Ü ű ű ű ű Ö ű
Ü
Ó Á ú Á É Ü Ö Ö Ö É É É Ö É Ü Ö É É É É É Ó Ö Ó Í Ö Ö Ö Ö Í Ö Ö É É É Í Ö Ö É Ö Í Á Ó Í Á É É Ó É Ú Á Í É É É Ö Ö Ó Ö Ö Ö Ö Ó Ó Ó Í Ü Ö É É Ö Ó Ö Ó ö Ö Ö Ö Ö Ö Ó Ü Ö Ó É ű É É É É É É É É Í Ö Ó Ö É Ö Ö
É Ö Á Í Á Ó Ö ü
Ö ű Ö ő ü ő ő ő ű Ö Ö ü Á Á É Ö Á Í Á Ó Ö ü Ö ű ű Ö ű ű ú ű ű ú ú ő ő ü ű ű É Ö ú ű ő ű ű ú ő ü Ö ú ú ő ő ú ű ü ő ü ű ú ú ű Ü ő ő Ó ü É Ó Ö Ö ú ü ü ü ü Ű ú Ö Á ü É Ó ű Á Ö Á ű ü ú Ö ű ű ű ü ő ő ő Á ő ő
é ú é é é é é é é é é é é é ú é ö é é é ö Ő é é é ú é é é é é é é é ö é é é ö é Ö é é ö é ö é é é ű é ö ö é ö é é ö ö é é ö ö é ö é Ö é ú é é é é é é
é ű ö Ö é é ö ú é é é é ö ö é ö é é é ö ö é é é ö ö é ű é é ö é é é é é é é é é é ö é ö é é é ű ö ű ö é é é Ö Ú Í é ö é é Ő ö ö ú é é é é é é é é é é ű é é é ú é é é ű ú é é é é é ö é ö é ö é é ö é é é
ő ó ü ö ő ö ö ő ö ó ű ö ő ó ó ü ő ü ö ű ö ő ó ó ő ö ö ó ő ö ö ő ű ö ő ű ö ö ő ő ő ö ö ú ó ö ö ö ő ő ó ő ü ó ó ű ö ö ü ő ü ö ő ü ő ó ű ö ö ö ó ö ö ö ü
ú ő ö ó ő ü ö ó ó ó ö Ö ú ó ó ó ö ő ö ő ö ő ö ú Ö ó ó ű ö ő ó ö ű ö ö ő ö ó ű ö ő ö ő ö ú ü ű ö ő ó ö ő ö ó ö Ó ű ö ő ö ó ü ú ú ö ö ü ü ö ü ú ő Ű ö ő ö ú ó ű ü ő ö ő ü ö ü ő ó ü ú ü ö ö ó Ó ó ó ő ü ö ö
Ó ű ű Á ú ű ű ú ú ú ű ű É ú É Á Á ú ű Ü Á Ü Á ű Ö Ú É Ó É Á Á Á Ű Á úá Á Ö É Ö É Ü
ú ú ú ú Ö ú ű ú Á ú ú ű ű ú ű ú ú Ó ű ű Á ú ű ű ú ú ú ű ű É ú É Á Á ú ű Ü Á Ü Á ű Ö Ú É Ó É Á Á Á Ű Á úá Á Ö É Ö É Ü Ó Á Á Á ú ú Ő Ö Ü ú Ü Á ú ú Á Ú ú ú ú É ú Ó Ö É Á ű ú É Ó ű ú ú ű ű ú ű ú ű ű ú ű ű
ó ú ú ü ú ő ó ő ő ó ó ó ö ó ü ő ó ő ö ü ü ó ö ő É ó ö ö ö ó ó ö ü ü ö ü ó ó ő ó ü ó ü ü ö ö É ú ó ó ö ú ö ü ü ó ó ó ü Á ö ö ü ó ö ó ö ö ö ö ó ó ö ó ó
Ü Ű Ö É Á Á ö É É Ö Ú Ü ö ü ő ő ö ő Á ő ó ő ü ü ö ö ú É ű ó ü ű ö ú ü ö ó ö ö ü ű ö ó ó ö ö ö ö ü ű ö ő ö ö ó ö ö ő ó ő ü ő ó ő ö ö ő ü ü ö ő ó ú ú ü ú ő ó ő ő ó ó ó ö ó ü ő ó ő ö ü ü ó ö ő É ó ö ö ö ó
í í É í ó ó É ö í ó í ó í ó ó í ó í í ó ó ó í ö ö ö ö í í í ó ó ö ó
Á Á Ó Ö Á í í É í ó ó É ö í ó í ó í ó ó í ó í í ó ó ó í ö ö ö ö í í í ó ó ö ó ó í í ó ó ű ű ö ű ú í ö ó ó í ó ó ö ö Ü ú ó Ü ö ö í ö í ó ó ó ű í ó ö ö í í ö ö í ö Í ó ö í ö ö ó ó ö ö í ó ö ö í í ö í ú Í
ú ú ö ö ü ü ü ü ű ü ü
Ü ú ű ű ú ű ú ú ö ö ü ü ü ü ű ü ü ö ö ö ö ö ö ű ö ö ö ö ö ö ö ö ö ü ü ü Ú ú ü ű ü ú ű ö ű ú ö ö ö ö Á ú ú ű Á ú Á Á Á ü ö ö Á ö ö ü Á ú Á ú Á Á Ö Á Á ö ű ö ö ü ú ü ú ö ú ű ú ú ü ü ü ü ű ű Ő ú ö ű ú ú ű
Á Á Ö Ö Ü É Ö É É Á Ú É É É É Á Á Ö Ö Ő
Á Á Ö Ö Ü É Ö É É Á Ú É É É É Á Á Ö Ö Ő Á Á Ú ű É Á É ű É ű Ü É Ú Ú Ó Ü Ó Ó Ó É Ü Ü ű É É Ö Á Ó Ú Á ű ű Á ű ű É ű Ú Á É É É Ü Ó É É ű ű É Ő Á Á ű Ü ű Ü ű ű Á ű Á Á ű ű ű Ü Ü Á ű É Á ű ű É ű Ó ű Ü ű ű Ú
ó É ó í ó ó í í ö í ó í ö ö ö ü ö ó ó ó ü ú ö ü ó ó ö ö ü ü ü ö ö ó ö í ó ű Ü ó í ú í ö í ö í Í ó ó í í ö ü ö ö í ö í ö ö ö ü ó í ö ö ó í ú ü ó ö
Á Ö É Á É Ő Ü Ü ü ö Ö ü ú ö í ü ü ó ó Á ö ó ö ö ö Ö í ü ü ü í í ü ü ö ü ü ü ü ö í ó ó Ő ó ó ö ó ö í ü í Í ó í ó ö í ó ó ö ó ó ö ó ó É ó í ó ó í í ö í ó í ö ö ö ü ö ó ó ó ü ú ö ü ó ó ö ö ü ü ü ö ö ó ö í
ü ö ö ő ü ó ó ú ó
ö ö ő ü ü ü ő ö ü ö ö ő ü ó ó ú ó Ő Ö ü ö Ö ó ü ü ü ö ö Ö ó ó ü ö ó ő ü ó ü ő ó ő ó ü ö ö ö í í ó ő ú ü ö ö ó ü ö ő í ő ő í ő ü ó ő ü ű ö ú ó ú í ü ó ü ö ó ó ü ö Ö ó ő í ó ő ü ö ü ő ö ö ö ö Ö Ó ő ü ü ó
É Ő ü Ö ö ö ö ű ö ö ü ü ö ü ü Ö ü ö ö ö
É Ő ü Ö ö ö ö ű ö ö ü ü ö ü ü Ö ü ö ö ö ö ü ö Ö ü ö ö ö Ö ü ü ö Ó öü ö ö ü ö ö Ö ü ö ö ü ü ö ö ű ü ö ö ö ü ö ö ö ö ö ű ö ű ö ö ö ü ü ö ö ö É É ö É É ü ö ö Ú ü ü Ü ü ü ü Ö Ú ö ü Ü ü ö ö ö ű Ó ü ö ö Ó É
ő ö ő ú ő ö ö ő ó ő ö ü ú ö ö ó ő ö ü ó ó ó ó ő ő ő ó ó ú ő ü ő ö ö ó ü ö ö ő ű ö ö ő ú ú ó ö ő ű ö ó
ö ú Á ő ű ü ő ó ö ö ú ö ú ü ó ó ű ö ú ó ó ó ő ö ö ő ú ó ö ö ő ő ő ő ö ű ü ü ü ő ü ü ő ő ü ó ő ő ö ő ú ő ö ö ő ó ő ö ü ú ö ö ó ő ö ü ó ó ó ó ő ő ő ó ó ú ő ü ő ö ö ó ü ö ö ő ű ö ö ő ú ú ó ö ő ű ö ó ó ü ű
í ó ő í é ö ő é í ó é é ó é í é é í é í íí é é é í é ö é ő é ó ő ő é ö é Ö ü é ó ö ü ö ö é é é ő í ő í ő ö é ő ú é ö é é é í é é í é é ü é é ö é ó í é
ű ű ö é ő ó í ö ő ü é ő é ü ő ö ő ö é é í ö ő ö ó ő é ó í ö ő ü é é é é é ő é é é é í ő ö é é ő ű ő ö í ö é é é Ö ű ú ő é é ű ő í ü ö é é ő ó ö ö ő é é é é é é é é é é ő ü í í é ú í í í Ú í é ú é ő ó ó
ö ö ö ö ö ö ö ü ö ü ö ű ö ú ü ű ö ü Í ö ú ü ü ű ö ú ü Á ü
Á Ó ö ü ü ü ú ú ü ü ö ü Ő ö ö ö ü ú ü Á ö ö ö ö ö ö ö ö ü ö ü ö ű ö ú ü ű ö ü Í ö ú ü ü ű ö ú ü Á ü ö ö ü ü ö ü ö Ó ö ö ü ü ö ü ö ú ö ú ü ö ü É É Á ü ű Ö ű ú ö ö ú ö ú ö ú ö ű ü Ö ö ű ü ú ö ü ú ű ö ű ú
ő ő ú ő ó ó ú ő ő ó ő ó ó ú ú ú ü ó Ó ó ó ó ő ő ő ú ű ó ó ő ü ő ó óó ó ó
ú É É ő ő ő ú ő ó ó ú ő ő ó ő ó ó ú ú ú ü ó Ó ó ó ó ő ő ő ú ű ó ó ő ü ő ó óó ó ó ü ó ú ő ó ő ú ő ő ú ó ó ó ű ü ő ó ó ő ő ó ő ő ü ó ó ó ó ő ó ő ő ő ü ő ó ó ű ó ő ü ü ő ó ó ő ő ő ő ú ó ü ő ó ő ó ú ő ó ü
É Ö É É Ú ü É Ü É ü Ü ü
É Ö É É Ú ü É Ü É ü Ü ü ü É ü ü ü ü Ü ü Ü Ü ü Ü ü ü ü ü ü ű ű ü ü ű ü ü ü ü ü ü Ü ü ű Ö ü ü Ö ű ü Ö ü ü ü Ö ü ü Ö ü ü Ö ü Öü Ú Ö ü ü Ö Ö ű ü ü ű ü ü Ö ü É ü ü ü É ű ü ü ü ü ü Ö ü ű ü Ö ü ü Ö ű ű ü ü ü
ő ö ő ű ó ö ó ű Í Ö Ö Á Í Ó Ö Ü É Ö Ö Ö Á Á Ö É Á Ö
Í Í Ő Ó Ü Ö Ő ő ö ő ű ó ö ó ű Í Ö Ö Á Í Ó Ö Ü É Ö Ö Ö Á Á Ö É Á Ö ő ö ő Í ó ö ó ú Í Ö Í ÍÍ É Ó Ü Ü Ó Ó Ö É Ö ő ö ő ű ó ö ú Í Ö Í Ö Í Ö Ó Ó Ó Ó Ü Ö Ü Ü É Ú Ö Ó Ó Í Í ő ö ő ű ó ö ó ú É Ö Í Í ÍÍ Í Í Í É Í
Ö ő ü Ö Ö Ő ü ő Ö Ö ü ű Á Í Ö ű ü ő ő ő Ö ü ü ő ő ő Ü ü ő ő ő ü ő ő ü ü
Ö ő ü Ö ő ü Ö Ö Ő ü ő Ö Ö ü ű Á Í Ö ű ü ő ő ő Ö ü ü ő ő ő Ü ü ő ő ő ü ő ő ü ü ü ő ő ő ú ű ő ő ú Ö ő ü ő ő Ö ő ü ő ő ő ő ő ő ü ü ő ő Ö ő Í Ö Ö Ö ü Ü Ö ő ő Ö ü Ö Ö ü Ö Ö ü Ö Ü Ö ü ü ü ő ű Ö ő Ö ü ü ü ő Ű