Deneme Sınavı Soruları

Destek(A) = | A | / | D |

Destek(A) = | D | / | A |

Destek(A) = | A | * | D | / | A∪D |

Destek(A) = | A | / | A∪D |

Destek(A) = |D | / | A∪D |

1. adımın ilk aşamasında L1 sık görülen nesne setleri kümesi elemanlarının ikili kombinasyonları alınmak suretiyle birbirinden farklı tüm 2 adet nesne içeren nesne setleri oluşturulur ve oluşturulan bu nesne setlerinin destek değerleri hesaplanır

1. adımın ikinci aşamasında  I nesneler kümesindeki 1 adet nesne içeren nesne setleri belirlenir ve belirlenen her bir nesne seti için destek değerleri hesaplanır

1. adımın üçüncü aşamasında 2 adet nesne içeren nesne setleri için hesaplanan destek değerleri içerisinden verilen destek eşik değeri 0,50 değerine eşit veya üzerinde destek değerine sahip nesne
setlerinden iki nesneli sık görülen nesne setleri kümesi L2 oluşturulur

1.adımın 6. aşaması giderek artan hesap yükünü azaltabilmek ve tekrar hesaplamalardan kaçınmak adına önceki aşamalarda elde edilen önsel bilgilerin değerlendirildiği aşamadır ve birleştirme ve budama adımlarından oluşur

1. adımın 7. aşamasında L3 sık görülen nesne kümesinin sadece bir elemanı olduğu için 4 ve daha
fazla nesneden oluşan nesne setleri oluşturulamaz

A ve B nesne setleri arasında ilişki yoktur.

A ve B nesne setleri arasında ilişkide, A nesne seti daha fazla gözlenmektedir.

A ve B nesne setleri arasında aynı yönlü zayıf bir ilişki vardır.

A ve B nesne setleri arasında ters yönlü  bir ilişki vardır.

A ve B nesne setleri arasında zıt yönlü güçlü bir ilişki vardır.

CART

CHAID

SPRINT

SLIQ

MARS

1. Kümede toplam 6 ülke yer almaktadır.

2 .Kümede toplam 5 ülke yer almaktadır.

3 Kümede yer alan ülkeler Bosna Hersek, Nijerya, Slovenya, Brezilya ve Türkiye'dir.

4.kümede toplam 4 ülke yer almaktadır. 

Bir kümede en fazla bulunan ülke sayısı 4. kümedir.

Açıklanmalarının kolay olması

Tüm değişkenlerin göz ardı edilmesi

İnsani karar almayı diğer yaklaşımlara göre daha iyi yansıtması

Grafiksel olarak gösterilebilir olması

Uzman olmayan kişiler tarafından da kolaylıkla yorumlanabilir olması

I-II

I-III

II-III

I-II-III

Yalnız II

dim()

head()

read.csv()

help()

library()

Ortalama Bağlantı Kümeleme Yöntemi 

k-ortalamalar Yöntemi 

k-medyanlar Yöntemi 

k-medoidler Yöntemi 

Tek Bağlantı Kümeleme Yöntemi

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.

Gini indeksi

Entropi indeksi

Sınıflandırma hatası indeksi 

Twoing ölçüleri

En küçük kareler sağması yöntemi

{a, b, c}

{a, b, c, d}

{b, c, d, e}

{a, d, e}

{a, c, d, e}

Budama

Ayırma

Yaprak düğüm

Kestirim

Karar verme

0,1

0,2

0,4

0,5

0,6

Download R for Windows

Value

Help

R Console

Generic Function

head()

kmeans()

rep()

sqrt()

matrix()

Veri analizi

Veri madenciliği

Veri modeli

Veri toplama

Veri inceleme

Eşittir

Büyük yada eşittir

Veya

Ve

Eşit değildir

Nesnelerin her bir niteliği için elde edilecek yakınlıklarının karşılaştırması

Nesnelerin her bir niteliği için elde edilecek yakınlıklarının kıyaslaması

Nesnelerin her bir niteliği için elde edilecek yakınlıklarının değerlendirilmesi

Nesnelerin her bir niteliği için elde edilecek yakınlıklarının analizi

Veri ambarında yer alan veriler üzerinde çok boyutlu, çok yönlü analiz ve sorgulama yapılmasını sağlayan sistemlerdir. 

Büyük miktardaki veri yığınları üzerinde analiz yaparak veriler arasında var olan ve geleceğin tahmin edilmesine yardımcı olacak anlamlı ve yararlı ilişki ve kuralların bilgisayar yazılımları aracılığıyla aranması faaliyetleridir.

Çeşitli analiz araçlarını kullanarak veriler arasındaki örüntü ve ilişkileri keşfederek bunları doğru tahminler yapmak için kullanan bir süreçtir. 

Veri analizi için gelişmiş ve karmaşık araçlar kullanarak yığın veri kümeleri içinden daha önceden bilinmeyen olgu ve olayları keşfetmek ve veriler arasındaki mantıklı ilişkileri ve kalıpları ortaya çıkarmak amacıyla yapılan çalışmalardır. 

İstatistiksel ve matematiksel tekniklerle birlikte örüntü tanıma teknolojilerini kullanarak çeşitli depolama ortamlarında kayıtlı bulunan veri yığınları üzerinde gerçekleştirilen elemeler sonucunda anlamlı yeni korelasyon, örüntü ve eğilimlerin keşfedilmesi sürecidir.