Slide contents
- Uvod v strojno učenje / odkrivanje zakonitosti v podatkih
- Machine learning / Data mining
- Nadzorovano in nenadzorovano učenje
- Učenje napovednih modelov
- Atributi so značilnosti primerov
- Tipična predstavitev učnega problema
- Kako pridemo do atributov?
- Še malo filozofije
- Za las težji primer
- Testiranje
- Za las težji primer
- Testiranje
- Za las težji primer
- Testiranje
- Za las težji primer
- Testiranje in večinski klasifikator
- Prečno preverjanje (cross-validation)
- Prečno preverjanje (cross-validation)
- Prečno preverjanje (cross-validation)
- Prečno preverjanje (cross-validation)
- Prečno preverjanje (cross-validation)
- Prečno preverjanje (cross-validation)
- Prečno preverjanje (cross-validation)
- Prečno preverjanje (cross-validation)
- Prečno preverjanje (cross-validation)
- Mere uspešnosti
- Confusion matrix
- Mini delavnica: prvi ML algoritem
- kNN: morda najenostavnejši ML algoritem
- kNN: razdalja
- kNN: zelo preprost, ampak vseeno…
- kNN in šum v podatkih
- kNN
