מדעי הנתונים ובינה עסקית

ניתן לומר שזו בעיית סיווג מכייון שמספר המבצעים הוא משתנה בדיד ולא רציף ולכן ניתן לומר שכל לקוח יכול לקבל או לא לקבל את המבצע (סיווג מוגבל). ומצד שני נרצה לחלק את הלקוחות שלנו לאשכולות, מכייון שאם מחלקים את הלקוחות לאשכולות לכל אשכול מתאימים את המבצע שלו.

חישוב אינפורמציה הדדית מקסימלית נעשית ע"י log2m ואם עושים לוג ל21 מקבלים 4.4

כשיש יותר מקדמים במשוואת הרגרסיה היא יותר מורכבת (למחשבה במשוואת רגרסיה שיש יותר מקדמים הקו לא לינארי/ לא פשוט)

כאשר אנו מנרמלים את הנתונים זהו לא ניקוי, נתון שגוי לפני נרמול ואחרי נרמול נשאר שגוי. נרמול נתונים זו משימה של הכנת הנתונים לשימוש באלגוריתם של כריית מידע. כל שאר האפשריות הן דרכי פעולה לניקוי נתונים לפני השימוש בהם.

כפי שכתוב במחברת: צמצום מימדים- צמצום מספר העמודות בטבלה. מקטין את הרעש בנתונים- תצפיות חריגות. מקטין את המרחק בין התצפיות (לטובת לדוגמה שיטות כמו KNN) משמע שהצפיפות בין התצפיות תגדל.

אי וודאות האירוע כלומר אנטרופיה היא מקסימלית כאשר לכל התוצאות יש אותה הסתברות אז האי וודאות היא הגבוהה ביותר, כלומר התפלגות אחידה.

אנטורפיה לא יכולה להיות שלילית אבל היא כן יכולה להיות גדולה מ-1 כאשר מספר הסיווגים הוא לא בינארי.

כפי שכתוב במחברת: חסרונות- כשיש ערכים חריגים אז ההפרש יהיה גדול מידי ואז חלק מהאינטרוולים יהיו ריקים. אם ההתפלגות של הערכים מאוד לא אחידה אז חלק מהאינטרוולים יכילו יותר תצפיות וחלק פחות ולכן היא מתאימה יותר להתפלגות אחידה כדי שיהיה בערך אותו מספר ערכים באינטרוולים.

feature selection נעשה בשלב הכנת הנתונים

בהרצאה 1 דובר על דוגמאות לתבניות מועילות והסתברותיות (בלבד) ניתנה דוגמה לתבנית מועילה והסתברותית- 90% מהמכוניות הנוסעות על כביש 40 נכנסות לב"ש. ניתן לראות כי זה מבוסס על אותה דוגמה. KDD- מציאת תבניות במאגרי מידע.