Orientační plán přednášek
- Multimodální data. Shlukování vs. klasifikace obecně. Základní modely - statický regresní, kategorický, Poissonův model Slajdy
- Bayesovský odhad parametrů jednotlivých modelů Slajdy
- Model směsi distribucí. Rekurzivní Bayesovský odhad modelu směsi normálních komponent Slajdy
- Model směsi kategorických komponent Slajdy
- Model směsi Poissonových komponent. Poissonova regrese Slajdy
- Klasifikace na základě modelu. Naivní Bayesův klasifikátor. Kvalita klasifikace. Logistická regrese Slajdy
- Shluková analýza offline bez učitele (K-means, K-medoids, fuzzy shlukování (c-means), shlukování na
základě hustoty (DBSCAN), hierarchické shlukování (aglomerativní vs. divisivní)) Slajdy
- Klasifikace offline s učitelem (k-nearest neighbors, rozhodovací stromy, náhodné lesy, podpůrné vektorové stroje, neuronové sítě) Slajdy
- Shrnutí a opakování Slajdy
Cvičení
- Úvod. Generování multimodálních dat.
Program
- Odhad parametrů jednotlivých modelů Program
- Shlukování a klasifikace s modelem směsi normálních komponent Program
- Shlukování a klasifikace s modelem směsi kategorických komponent Program
- Shlukování a klasifikace s modelem směsi Poissonových komponent. Poissonova regrese Program
- Kvalita klasifikace. Základy práce v prostředí KNIME. Naivní Bayesův klasifikátor. Klasifikace s logistickou regresí Data
- Shlukování offline bez učitele Data
- Klasifikace offline s učitelem Data
- Opakování algoritmů shlukování a klasifikace Data