מדעי הנתונים ובינה עסקית

שם מחלקה סביר להניל שהוא לא מפתח, אלא אחד המאפיינים של טבלת המחלקות לכן רק טבלת המימדים תשתנה.

Y פונקציה של x- כלומר אם אנונו יודעים את x אז נדע את y ולכן האנטרופיה של y בהינתן x שווה לאפס.

לדוגמה רשת נוירונים הרבה יותר מורכבת קשה להבין איך היא פועלת. מודלים סטטיסטים פחות מורכבים.

קבוצת פריטים סגורה היא קבוצה מקסימלית שיש לה support נתון- לקבוצת העל שלה חייב לביות support יותר נמוך.

מודלים של רשתות נוירונים הם מודלים של רגרסיה לא לינארית הלוקחת בחשבון הרבה מאוד אינטרקציה בין הרבה מאוד קלטים.

טבלת העובדות צריכה להכיל שדות כמספר המימדים ולפחות עובדה אחת (לא את כל העובדות) ולכן זו אף תשובה לא נכונה.

Y מהווה פונקציה פונקציה של x אז האנטרופיה של y בהינתן x שווה לאפס ולהפך (כי מהמשוואה ניתן ליצור פונקציה של x כתלות בy) ולכן אין אי וודאות בשני המקרים ולכן שתי התשובות נכונות.

השיטה הנאיבית לחלוקה היא לחשב את כל החלוקות האפשריות K בחזקת N כלומר מספר האשכולות בחזקת מספר התצפיות. במקרה שלנו 2 בחזקת 5 זה 32.

כאשר יש לנו k>1 (יותר משכן אחד) רצוי לתת משקל גבוה יותר לשכן היותר קרוב ומשקל נמוך יותר לשכן היותר רחוק. מקטינים ומגדילים את החשיבות של התצפית

גודל קובץ האימון -10000 רשומות. epochs זה בעצם מספר הפעמים שבעצם המודל יעבור על ה data. הערך batch_size זה מספר רשומות האימון שיש ב-batch. לכן החישוב הוא נחשב כמה batch קיימים ביחס לכמות הרשומות כלומר 10000 לחלק ל-5 נקבל 200 ונכפיל את הערך הזה במספר המעברים על הdata כלומר epochs ונקבל 400000