తెలుగులో యాంత్రిక నేర్చుకోవడం /మెషిన్ లర్నింగ్

విషయ సూచిక
 పార్ట్ I క్లస్టర్ మరియు వర్గీకరణ మోడల్స్
1 క్రమానుగత క్లస్టరింగ్ మరియు K- మీన్స్ క్లస్టరింగ్ గుర్తించడానికి
సర్వేల్లో ఉపవిభాగాలు (50 రోగులు) ........................................... ............ 3
 సాదారనమైన అవసరం ................................................ ........................................ 3
స్పెసిఫిక్  సైంటిఫిక్ సి ప్రశ్న ............................................. ......................... 3
 క్రమానుగత క్లస్టర్ విశ్లేషణ ............................................... ..................... 4
 K- మీన్స్ క్లస్టర్ అనాలిసిస్ ............................................. ............................ 6
 ముగింపు................................................. ................................................ 7
 గమనిక ................................................. .................................................. ........ 8
 అవుట్లైన్ గుంపులు గుర్తించడానికి 2 సాంద్రత ఆధారిత క్లస్టరింగ్
లేకపోతే విలక్షణ డేటా (50 పేషెంట్స్) .................................... 9
 సాదారనమైన అవసరం ................................................ ........................................ 9
స్పెసిఫిక్  సైంటిఫిక్  ప్రశ్న ............................................. ......................... 9
 సాంద్రత ఆధారిత క్లస్టర్ విశ్లేషణ ............................................. ................... 10
 ముగింపు................................................. ................................................ 11
 గమనిక ................................................. .................................................. ........ 11
 సబ్గ్రూప్లు గుర్తించుటకు మరియు రెండు ఉపగ్రూప్ లను గుర్తించుటకు రెండు దశల క్లస్టరింగ్
వ్యక్తిగత ఫ్యూచర్ రోగులలో సభ్యత్వాలు (120 పేషెంట్స్) ................ 13
 సాదారనమైన అవసరం ................................................ ........................................ 13
స్పెసిఫిక్  సైంటిఫిక్ సి ప్రశ్న ............................................. ......................... 13
 కంప్యూటర్ అంచనాలు చేయడానికి తనను తాను బోధిస్తుంది ................................... 14
 ముగింపు................................................. ................................................ 15
 గమనిక ................................................. .................................................. ........ 15
 4 కొత్త ఔషధాల వర్గీకరణకు సమీప నైబర్స్
(2 కొత్త మరియు 25 పాత ఓపియాయిడ్లు) .......................................... ......................... 17
 సాదారనమైన అవసరం ................................................ ........................................ 17
స్పెసిఫిక్  సైంటిఫిక్ సి ప్రశ్న ............................................. ......................... 17
x
 ఉదాహరణ................................................. .................................................. .. 17
 ముగింపు................................................. ................................................ 24
 గమనిక ................................................. .................................................. ........ 24
 హై-రిస్క్-బిన్ సభ్యత్వాలను ఊహించడం (1,445 కుటుంబాలు) ................... 25
 సాదారనమైన అవసరం ................................................ ........................................ 25
స్పెసిఫిక్  సైంటిఫిక్ సి ప్రశ్న ............................................. ......................... 25
 ఉదాహరణ................................................. .................................................. .. 25
 ఆప్టిమల్ బిన్నింగ్ ................................................ ........................................ 26
 ముగింపు................................................. ................................................ 29
 గమనిక ................................................. .................................................. ........ 29
 6 అంచనా వేయబడిన సభ్యత్వములు (2,000 రోగులు) ................................ 31
 సాదారనమైన అవసరం ................................................ ........................................ 31
స్పెసిఫిక్  సైంటిఫిక్ సి ప్రశ్న ............................................. ......................... 31
 ఉదాహరణ................................................. .................................................. .. 31
 ముగింపు................................................. ................................................ 34
 గమనిక ................................................. .................................................. ........ 34
 ఆరోగ్యం ప్రక్రియల దృశ్యమానత కోసం డేటా మైనింగ్ (150 రోగులు) ...... 35
 సాదారనమైన అవసరం ................................................ ........................................ 35
 ప్రాథమిక సైంటిఫిక్ సి ప్రశ్న .............................................. ........................ 35
 ఉదాహరణ................................................. .................................................. .. 36
 నోమ్ డేటా మినెర్ ............................................... ...................................... 37
 ఎయిమ్ వర్క్ఫ్ ఓహ్ ............................................... ........................................ 38
 బాక్స్ మరియు మీసల ప్లాట్లు .............................................. ...........