Workflows

EDPS 6571 Week 1 Introduction (1)

• Download

Week 1 Introduction

Created: 2018-04-25

EDPS 6751 Week 4 Data Preparation (1)

• Download

Week 4: Data Preparation

Created: 2018-04-25

EDPS 6751 Week 5 Unsupervised Learning (1)

• Download

Week 5: Unsupervised Learning

Created: 2018-04-26

EDPS 6751 Week 6 Decision Tree Classifier (1)

• Download

Week 6: Decision Tree Classifier

Created: 2018-04-26

Chapter 12 eperry (1)

• Download

No description

Created: 2014-11-05

Comcast (1)

• Download

No description

Created: 2014-11-06

Comcast2 (1)

• Download

No description

Created: 2014-11-07

Quality Recognition Model (QRM) (1)

• Download

Quality Recognition Model (QRM) is a SVM-based Machine Learning supervised classification model that assigns label to the evidentiary documents on the basis of rigorousness of the contents. It assigns the label Rigor if the document is of quality otherwise assigns the Non-Rigor. It uses two type of features: data and metadata. Data features include title and abstract while the metadata features include MeSH terms and publication type.

Created: 2017-03-11

http://www.myexperiment.org/workflows/2187... (1)

• Download

No description

Created: 2017-03-30

http://www.myexperiment.org/workflows/2187... (1)

• Download

No description

Created: 2017-03-30

http://www.myexperiment.org/workflows/2187... (1)

• Download

No description

Created: 2017-03-30

ggg (1)

• Download

No description

Created: 2017-04-05

Co-occurances (1)

• Download

No description

Created: 2011-01-17

Co-occure (1)

• Download

No description

Created: 2011-01-17

pivot (1)

• Download

No description

Created: 2011-02-22 | Last updated: 2011-02-22

Change Class Dist (1)

• Download

No description

Created: 2011-02-23

Rocchio (1)

• Download

This process calculates the average values for all attributes grouped by the class (label). The resulting prototypes or centroids are then used for a nearest neighbor model which is applied again on the full data set for demonstration purposes.

Created: 2011-02-28

my project (1)

• Download

No description

Created: 2011-03-02

prj (1)

• Download

No description

Created: 2011-03-02

Wybór atrybutów na podstawie algorytmu g... (1)

• Download

Workflow przedstawia wykorzystanie algorytmu genetycznego do znalezienia optymalnego zbioru atrybutów. Wybór atrybutów odbywa siÄ™ na podstawie sprawdzenia jakoÅ›ci klasyfikacji. Wykorzystanym klasyfikatorem jest algorytm k-najbliższych sÄ…siadów, zbiór danych jest dzielony na zbiór uczÄ…cy i zbiór testujÄ…cy w proporcji 70%-30%. WyjÅ›ciowy algorytm genetyczny wykorzystuje populacje o rozmiarze 10, ograniczajÄ…c liczbÄ™ pokoleÅ„ do 30.

Created: 2011-03-23 | Last updated: 2011-03-23

Wybór atrybutów na podsatwie algorytmu z... (1)

• Download

Workflow pokazuje użycie algorytmu zachÅ‚annego do wyboru cech. Algorytm może wykonywać zarówno wyboru progresywnego (forward selection) jak i selekcji wstecznej (backward selection). Do oceny jakoÅ›ci rozwiÄ…zania algorytm wykorzystuje klasyfikator k-najbliższych sÄ…siadów i 10-krotnÄ… walidacjÄ™ krzyżowÄ….

Created: 2011-03-23 | Last updated: 2011-03-23

Odkrywanie reguł asocjacyjnych za pomocą... (1)

• Download

Proces pokazuje wykorzystanie algorytmu FP-Growth do odkrywania reguÅ‚ asocjacyjnych. Należy zwrócić uwagÄ™ na to, że implementacja algorytmu FP-Growth akceptuje jedynie atrybuty binominalne, zatem zachodzi konieczność zamiany wszystkich atrybutów numerycznych i nominalnych na binominalne.

Created: 2011-03-30 | Last updated: 2011-03-30

Odkrywanie regul asocjacyjnych za pomoca a... (1)

• Download

Workflow pokazuje sposób wykorzystania operatorow Apriori i PredictiveApriori (z narzedzia Weka) do odkrywania regul‚ asocjacyjnych. Operator Set Role zostal wykorzystany do tego, aby atrybut Play (który w oryginale jest zmienna celu) byl potraktowany jak zwyczajny atrybut.

Created: 2011-03-31 | Last updated: 2013-05-30

Create Linear Combinations (1)

• Download

This process creates new attributes based on all combinations of coefficients for two attributes, i.e. it produces all linear combinations c1 * att1 + c2 * att2 by looping through a set of possible values for c1 and c2 and all their different combinations.

Created: 2011-04-08

Naiwny klasyfikator Bayesa (atr. nominalne) (1)

• Download

No description

Created: 2011-04-12

Naiwny klasyfikator Bayesa (atrybuty numer... (1)

• Download

No description

Created: 2011-04-12

Naiwny klasyfikator Bayesa (atrybuty numer... (1)

• Download

No description

Created: 2011-04-13

Wound Image Data Mining (1)

• Download

No description

Created: 2011-04-19

Indukcja drzew decyzyjnych (Random Forest) (1)

• Download

No description

Created: 2011-04-20

Wound Image Data Mining (1)

• Download

No description

Created: 2011-04-20

Algorytm indukcji drzew decyzyjnych (Decis... (1)

• Download

No description

Created: 2011-04-20

Algorytmy indukcji drzew decyzyjnych (ID3 ... (1)

• Download

No description

Created: 2011-04-20

Algorytmy indukcji drzew decyzyjnych (Deci... (1)

• Download

No description

Created: 2011-04-20

Wound Image Data Mining (1)

• Download

No description

Created: 2011-04-22

Wound Image Data Mining (1)

• Download

No description

Created: 2011-04-22 | Last updated: 2011-04-22

Prosty klasyfikator SVM (1)

• Download

No description

Created: 2011-04-26

Wykres krzywej Lift (1)

• Download

No description

Created: 2011-04-26

Wykres krzywej ROC (1)

• Download

No description

Created: 2011-04-26

Porownanie krzywych ROC (1)

• Download

No description

Created: 2011-04-26 | Last updated: 2011-04-26

Algorytmy k-Means i k-Medoids (1)

• Download

Przeplyw pokazuje zastosowanie algorytmow k-Means i k-Medoids do przeprowadzenia analizy skupien. Analizie podlega zbiór danych Iris, przy czym oryginalne dane zostaly przetransformowane z przestrzeni 4-wymiarowej do przestrzeni 2-wymiarowej za pomoca operatora Singular Value Decomposition. Redukcja liczby wymiarow ma na celu uproszczenie wizualizacji wynikowych modeli.

Created: 2011-05-11 | Last updated: 2013-08-19

Wybor poczatkowego podzialu dla algorytmu ... (1)

• Download

Proces pokazuje, w jaki sposob mozna zautomatyzowac proces znajdowania najlepszego poczatkowego wyboru centroidow uniezalezniajac sie (do pewnego stopnia) od wplywu losowania.

Created: 2011-05-11 | Last updated: 2013-08-19

Wybor parametru k dla algorytmu k-Means (1)

• Download

Proces pokazuje, w jaki sposob mozna eksperymentalnie dobrac wlasciwe wartosci parametru k (liczba poszukiwanych skupien) dla algorytmow k-Means i k-Medoids. Jako miary oceny podzialu wykorzystano srednia odleglosc od centroidu oraz indeks Daviesa-Bouldina

Created: 2011-05-11 | Last updated: 2013-08-19

Algorytm DBScan (1)

• Download

Przeplyw ilustruje sposob wykorzystania algorytmu DBScan do znalezienia modelu skupien. Algorytm DBScan jest przykladem algorytmu bazujacego na gestosci, parametr epsilon wskazuje na promien sasiedztwa, a parametr min points wskazuje na minimalna liczbe punktow, jakie musza sie znalezc w sasiedztwie punktu aby kontynuowac rozrastanie sie skupienia.

Created: 2011-05-11 | Last updated: 2013-08-19

Algorytm EM (1)

• Download

Proces pokazuje przypadek wykorzystania algorytmu analizy skupien dzialajacego wedlug zasady expectation maximization (EM), czyli dopasowywania rozkladow do obserwowanego zbioru danych.

Created: 2011-05-11 | Last updated: 2013-08-19

Prepares data for the analysis of fibrosis... (1)

• Download

Prepares gene data for fibrosis by joining datasets from different studies on fibrosis across various organs including the kidney.

Created: 2011-05-23 | Last updated: 2011-05-25

Prepares data for gene correlation analysis (1)

• Download

Prepares data for gene correlation analysis.

Created: 2011-05-23 | Last updated: 2011-05-23

Frequent Itemset and association rules ana... (1)

• Download

Generates frequent itemsets and association rules from the gene data. Frequent itemsets correspond to different gene characteristics (locations and functions) that frequently occur together across different genes. The quality of a frequent itemset is given by its support which is the fraction of genes for which a given combination of gene characteristics hold; the longer the itemset the lower its support. Based on the frequent itemset this WF also generates association rules which have some...

Created: 2011-05-23 | Last updated: 2011-05-24

Przyklad metody Bagging (1)

• Download

Proces pokazuje przykÅ‚ad wykorzystania metody Bagging do tworzenia zlożonych klasyfikatorów. Metoda generuje 10 niezależnych modeli drzewa decyzyjnego (każdy na podstawie 90% próbki zbioru uczÄ…cego). Ostateczna odpowiedź jest wynikiem gÅ‚osowania.

Created: 2011-05-25 | Last updated: 2011-05-25

Prosty przykład algorytmu AdaBoost (1)

• Download

Przepływ obrazuje przykład wykorzystania algorytmu AdaBoost. W kolejnych teracjach metoda modyfikuje przykłady ze zbioru uczącego, przypisując większą wagę przykładom błędnie sklasyfikowanym we wcześniejszych iteracjach.

Created: 2011-05-25 | Last updated: 2011-05-25

Prosty przykład metody Voting (1)

• Download

Ten prosty przykład ilustruje wykorzystanie operatora Voting do przeprowadzenia głosowania większościowego. W zagnieżdżonym operatorze umieszczono przykładowe trzy modele bazowe (drzewo decyzyjne, sieć neuronowa, SVN), odpowiedź z operatora Voting to zwykłe głosowanie.

Created: 2011-05-25 | Last updated: 2011-05-25