36 lines
3.3 KiB
Markdown
36 lines
3.3 KiB
Markdown
# Глоссарий модуля 08
|
|
|
|
- **Обучение без учителя** — поиск структуры без целевой метки для каждого объекта.
|
|
- **Кластер** — группа, определённая признаками, метрикой и objective алгоритма.
|
|
- **Жёсткая/мягкая кластеризация** — одна метка / степени принадлежности группам.
|
|
- **Silhouette** — сравнение внутрикластерного и ближайшего межкластерного
|
|
расстояний.
|
|
- **ARI** — скорректированная на случайность мера совпадения двух разбиений.
|
|
- **Inertia** — сумма квадратов расстояний до центров k-means.
|
|
- **Центроид** — среднее объектов кластера в k-means.
|
|
- **Linkage** — правило расстояния между группами в иерархической кластеризации.
|
|
- **Дендрограмма** — дерево последовательных объединений кластеров.
|
|
- **DBSCAN** — кластеризация по плотностной достижимости.
|
|
- **Core / border / noise** — плотная точка / её сосед / не включённая точка.
|
|
- **PCA** — линейная проекция максимальной дисперсии и минимальной rank-ошибки.
|
|
- **Главная компонента** — ортонормированное направление PCA.
|
|
- **Explained variance ratio** — доля суммарной дисперсии компоненты.
|
|
- **Whitening** — масштабирование компонент до единичной дисперсии.
|
|
- **t-SNE** — embedding, минимизирующий KL между локальными соседствами.
|
|
- **Perplexity** — эффективный масштаб соседства t-SNE.
|
|
- **UMAP** — embedding на основе графа локальных соседей.
|
|
- **Outlier detection** — поиск необычных объектов внутри загрязнённого набора.
|
|
- **Novelty detection** — проверка новых объектов относительно нормального train.
|
|
- **Anomaly score** — упорядочивающая мера необычности, не обязательно вероятность.
|
|
- **Contamination** — предполагаемая доля выбросов для установки порога.
|
|
- **Isolation Forest** — детектор по средней длине случайной изоляции.
|
|
- **LOF** — отношение локальной плотности соседей к плотности объекта.
|
|
- **One-Class SVM** — граница основной массы в kernel-пространстве.
|
|
|
|
## Главы
|
|
|
|
1. [`notes/01_clustering_vs_classification.md`](notes/01_clustering_vs_classification.md)
|
|
2. [`notes/02_clustering_algorithms.md`](notes/02_clustering_algorithms.md)
|
|
3. [`notes/03_dimensionality_reduction.md`](notes/03_dimensionality_reduction.md)
|
|
4. [`notes/04_anomaly_detection.md`](notes/04_anomaly_detection.md)
|