Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Spistreści
1Wprowadzenie
7
2Dane
13
2.1
Naturadanych.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.13
2.1.1
Niepewnośćdanych.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.16
2.1.2
Ziarnainformacji.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.17
2.2
Odległośćipodobieństwo.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.18
2.3
Pojęciewyjątku.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.22
2.4
Podsumowanie.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.27
3Detekcjawyjątkówprzyużyciumetodstatystycznych,
odległościowychigęstościowych
29
3.1
Detekcjawyjątkówprzyużyciuregresjiliniowej.
.
.
.
.
.29
3.1.1
Rodzajeobserwacjiwyjątkowychwregresji.
.
.
.31
3.1.2
Miaryoceniającewpływobserwacjinaprostąregresji34
3.2
Algorytmmaksymalizacjiwartościoczekiwanej.
.
.
.
.
.36
3.3
Metodyopartenaprawdopodobieństwie.
.
.
.
.
.
.
.
.
.36
3.3.1
Klasyfikatorbayesowski.
.
.
.
.
.
.
.
.
.
.
.
.
.
.37
3.3.2
Naiwnyklasyfikatorbayesowski.
.
.
.
.
.
.
.
.
.
.39
3.4
Metodyopartenaodległości.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.43
3.4.1
Algorytmk-najbliższychsąsiadów.
.
.
.
.
.
.
.
.
.43
3.4.2
Algorytmzagnieżdżonychpętli.
.
.
.
.
.
.
.
.
.
.44
3.5
Metodyopartenagęstości.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.45
3.5.1
Algorytmlokalnegowspółczynnikawyjątku.
.
.
.45
3.5.2
Algorytmwspółczynnikałączeniawyjątków.
.
.
.50
3.5.3
Algorytmprzestrzennegogrupowaniagęstości.
.
.52
3.6
Metodyopartenapodziale.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.57
3.6.1
Algorytmk-średnich.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.57
3.6.2
Ulepszonyalgorytmgenetycznyk-średnich.
.
.
.
.59
3.6.3
Algorytmlosowegoprzeszukiwania.
.
.
.
.
.
.
.
.60
