Deneme Sınavı Soruları

11

12

13

14

18

Eğitim verisini büyütme

Test verisini büyütme

Verileri standardize etme

Benzerlik ölçüsünü değiştirme

Uzaklık ölçüsünü değiştirme

Kaynakların Tespiti: İlgilenilen konuda bilgi içeren web dokümanlarının belirlenmesi ve elde edilmesi.

Bilgi Seçimi ve Ön İşleme: Elde edilen kaynaklardan ihtiyaç duyulan bilginin otomatik olarak seçilmesi ve kullanılabilir hâle getirilmesi.

Bilgiyi kişiselleştirme: Kullanıcıların internet gezinme alışkanlıklarının kişiden kişiye değişiklik göstermesinden dolayı internette sunulan bilgilerin görsellik ve içerik bakımından farklı şekillerde olması.

Genelleştirme: Bireysel web sitelerindeki örüntü (pattern) veya kuralların otomatik olarak çıkarılması ve diğer web siteleri ile karşılaştırarak genellenmesi.

Analiz: Elde edilen genel örüntü veya kuralların doğruluklarının onaylanması veya yorumlanması.

Web ortamındaki veri miktarı aşırı büyüklüktedir

Web ortamındaki veri dağınık ve heterojen bir yapıdadır

Web ortamındaki veri yapılandırılmamıştır

Web ortamındaki veri dinamiktir

Web ortamındaki veri statiktir

B olduğunda  A' da olma olasılığı , sadece A olma olasılığından  %40 daha fazladır.

A olduğunda  B' de olma olasılığı , sadece B olma olasılığından  %40 daha fazladır.

A olduğunda  B' de olma olasılığı , sadece A olma olasılığından  %40 daha fazladır.

B olduğunda  A' da olma olasılığı , sadece A olma olasılığından  %40 daha fazladır.

A olduğunda  B' de olma olasılığı , sadece B olma olasılığından  %140 daha fazladır.

0,40

0,35

0,20

0,10

0,05

0,01

0,4

0,3

0,1

0,2

Tam Bağlantı Kümeleme Yöntemi

Tek Bağlantı Kümeleme Yöntemi

Medyan Bağlantı Kümeleme Yöntemi

Ward Bağlantı Kümeleme Yöntemi

Ortalama Bağlantı Kümeleme Yöntemi

Web sayfalarının karmaşıklığı

Webin büyüklüğü

Bilginin bağlantısı

Bilginin dinamikliği

Ağ ayarları

Korelasyonlar

Ortalamalar

Testler

İlişki kuralları

Olaylar

I

II

III

II VE III

I ve II

Sınıflandırma

Karar Verici

Veri

Karar ağacı

Kestirim

Apriori algoritması “Eğer bir alt küme sık görülen nesne kümesi değil ise, onun bütün üst kümeleri de sık görülen nesne kümesi değildir” temel yaklaşımına sahiptir

Apriori özelliğine göre;  I={a,b,c,d} nesne kümesi için, şayet {a,b,c} nesne kümesi bir sık görülen nesne kümesi ise, onun tüm alt kümeleri olan ∅, {a}, {b}, {c}, {a, b}, {a, c} ve {b, c} kümeleri de sık görülen nesne kümeleridir

Destek bazlı budama özelliğine göre; I={a,b,c,d} nesne kümesi için, şayet {c, d} nesne kümesi bir sık görülen nesne kümesi değil ise, bu kümenin elemanlarını içeren tüm üst kümeleri olan {a, c, d}, {b, c, d}
ve {a, b, c, d} kümeleri de sık görülen nesne kümeleri değildir

Apriori algoritması yaklaşımında k ögeli nesne setleri (k-1) ögeli nesne setlerinin birleştirilmesiyle oluşturulmaktadır

Apriori algoritması ile başlangıçta hesaplanan bilgiler daha sonraki yinelemelerde kullanıldığı için tekrar hesapların yapılması engellenmiş olur

read.csv()

scan()

read.table()

read.fwf()

load

Benzer olduklarını

Benzer olmadıklarını

İlişkisiz olduklarını

d(x,y)=0 ifadesini sağladığını

s(x,y)=1 ifadesini sağladığını

> matris2 %*% t(matris2)

> matris2 * t(matris2)

> matris2 %+% t(matris2)

> t(matris2) %*% matris2

> t(matris2) * matris2

Hiyerarşik veri modeli ve hipodermik veri modeli

Örümcek  veri modeli ve hiyerarşik veri modeli

Hiyerarşik veri modeli ve ağ veri modeli

Sıra örüntü analizi modeli ve veri madenciliği modeli

Veri madenciliği modeli ve veri işçiliği modeli

S

C+

Python

Javascript

Ruby

Sıra Örüntü Analizi

Genetik Algoritmalar

Hatayı Geri Yayma

Yapay Sinir Ağları

Zaman Serisi Analizi

SQL

C#

JAVA

OLAP

Perseptron