Add cheat-sheet_reconcile.md

cheat-sheet_reconcile.md

@@ -0,0 +1,190 @@
+# 📋 CHEAT SHEET - Công Thức Khai Phá Dữ Liệu
+
+## 📊 TIỀN XỬ LÝ DỮ LIỆU
+
+### Thống Kê Mô Tả
+
+**Mean:** `x̄ = Σxi / n`  
+Ví dụ: [4,5,6] → 15/3 = **5**
+
+**Median:** Giá trị giữa sau khi sắp xếp  
+Ví dụ: [4,5,6] → **5** | [4,5,6,7] → (5+6)/2 = **5.5**
+
+**Mode:** Giá trị xuất hiện nhiều nhất  
+Ví dụ: [4,5,5,6] → **5**
+
+---
+
+### Boxplot
+
+**Quartiles:**
+```
+Q1 = Median(nửa dưới)
+Q2 = Median
+Q3 = Median(nửa trên)
+IQR = Q3 - Q1
+```
+Ví dụ: [1,2,3,4,5,6,7,8,9] → Q1=2.5, Q2=5, Q3=7.5, IQR=5
+
+**Outliers:**
+```
+Lower fence = Q1 - 1.5×IQR
+Upper fence = Q3 + 1.5×IQR
+```
+
+---
+
+### Chuẩn Hóa
+
+**1. Decimal Scaling:** `x' = x / 10^j`  
+Ví dụ: 91 → 91/100 = **0.91**
+
+**2. Min-Max:** `x' = (x-min)/(max-min) × (b-a) + a`  
+Ví dụ: [4,7,10] về [0,1]: 7 → (7-4)/6 = **0.5**
+
+**3. Z-Score:** `x' = (x-μ)/σ` với `σ = √[Σxi²/n - x̄²]`  
+Ví dụ: [4,7,10] → x̄=7, σ=2.45: 7 → (7-7)/2.45 = **0**
+
+**4. Modified Z-Score:** `x' = 0.6745×(x-median)/MAD`  
+MAD = `median(|xi-median|)`  
+Ví dụ: [1,2,3,4,100] → Median=3, MAD=1: 100 → 0.6745×97 = **65.43**
+
+---
+
+### Binning
+
+**Equal-Width:** `Width = (Max-Min) / số bins`  
+Ví dụ: [1-9] → 3 bins → Width=2.67
+
+**Smoothing:**
+- **Means:** Thay = Trung bình bin. Ví dụ: [1,2,3] → [2,2,2]
+- **Medians:** Thay = Trung vị bin. Ví dụ: [1,2,3] → [2,2,2]
+- **Boundaries:** Thay = Min/Max gần nhất. Ví dụ: [1,2,3] → [1,1,3]
+
+---
+
+### Correlation
+
+**Computational (Khuyến nghị):**
+```
+Cov(X,Y) = Σ(xi·yi)/n - x̄·ȳ
+σx = √[Σxi²/n - x̄²]
+σy = √[Σyi²/n - ȳ²]
+r = Cov(X,Y) / (σx × σy)
+```
+Ví dụ: X=[1,2,3], Y=[2,4,6]  
+Σ(xi·yi)=28, Σxi²=14, Σyi²=56, n=3  
+→ Cov=1.33, σx=0.82, σy=1.63 → r=**1.0**
+
+**Definitional:**
+```
+r = Σ[(xi-x̄)(yi-ȳ)] / √[Σ(xi-x̄)² × Σ(yi-ȳ)²]
+```
+
+---
+
+## 🔍 THUẬT TOÁN
+
+### Apriori
+
+**Support:** `Count(X) / Total`  
+Ví dụ: {A,B} trong 3/10 giao dịch → **30%**
+
+**Confidence:** `Support(X∪Y) / Support(X)`  
+Ví dụ: Sup({A,B})=30%, Sup({A})=50% → **60%**
+
+**Lift:** `Confidence(X→Y) / Support(Y)`  
+Ví dụ: Conf=60%, Sup(B)=40% → **1.5**
+
+---
+
+### ID3
+
+**Entropy:** `E(S) = -Σ pi × log₂(pi)`  
+Ví dụ: 9 Yes, 5 No → p₁=9/14=0.643, p₂=5/14=0.357  
+E = -(0.643×log₂0.643 + 0.357×log₂0.357) = **0.940**
+
+**Gain:** `Gain(S,A) = E(S) - Σ(|Sv|/|S|)×E(Sv)`  
+Ví dụ: E(S)=0.940, E(Sunny)=0.971, E(Rain)=0  
+Gain = 0.940 - [(5/14)×0.971 + (4/14)×0] = **0.246**
+
+---
+
+### K-means
+
+**Euclidean Distance:** `d(p,q) = √[Σ(pi-qi)²]`  
+Ví dụ: p(2,3), q(5,7) → √[(2-5)²+(3-7)²] = √25 = **5**
+
+**SSE:** `Σ distance²(điểm, tâm)`  
+Ví dụ: Tâm(3,3), A(2,3), B(4,5) → SSE = 1+5 = **6**
+
+**Centroid:** `(Trung bình xi, Trung bình yi)`  
+Ví dụ: (2,3), (4,5), (6,7) → **(4,5)**
+
+---
+
+## 🔑 CÔNG THỨC QUAN TRỌNG
+
+1. **Mean:** x̄ = Σxi/n
+2. **Median:** Giá trị giữa
+3. **Min-Max:** (x-min)/(max-min)×(b-a)+a
+4. **Z-Score:** (x-μ)/σ
+5. **Modified Z-Score:** 0.6745×(x-median)/MAD
+6. **σ:** √[Σxi²/n - x̄²]
+7. **Cov:** Σ(xi·yi)/n - x̄·ȳ
+8. **r:** Cov(X,Y)/(σx×σy)
+9. **Support:** Count/Total
+10. **Confidence:** Sup(X∪Y)/Sup(X)
+11. **Entropy:** -Σ pi×log₂(pi)
+12. **Distance:** √[Σ(pi-qi)²]
+
+---
+
+## 📊 BẢNG NHANH
+
+### Normalization
+
+| Method | Formula | Use |
+|--------|---------|-----|
+| Decimal | x/10^j | Nhanh |
+| Min-Max | (x-min)/(max-min) | [0,1] |
+| Z-Score | (x-μ)/σ | Phân phối chuẩn |
+| Modified Z | 0.6745×(x-med)/MAD | Có outliers |
+
+### Correlation
+
+| \|r\| | Mức độ |
+|------|--------|
+| <0.3 | Yếu |
+| 0.3-0.7 | Trung bình |
+| >0.7 | Mạnh |
+
+### Outliers
+
+| Method | Threshold |
+|--------|-----------|
+| IQR | x < Q1-1.5×IQR hoặc x > Q3+1.5×IQR |
+| Z-Score | \|z\| > 3 |
+| Modified Z | \|z'\| > 3.5 |
+
+---
+
+## 💡 GHI NHỚ
+
+**Computational vs Definitional:**
+- Computational = Nhanh (dùng Σxi², Σ(xi·yi))
+- Definitional = Dễ hiểu (dùng (xi-x̄))
+
+**Binning:**
+- Equal-Width = Chiều rộng đều
+- Equal-Frequency = Số phần tử đều
+
+**Interval Notation:**
+- [a,b] = bao gồm a VÀ b
+- [a,b) = bao gồm a, KHÔNG b
+
+**ID3:** Chọn attribute có **Gain cao nhất**
+
+**K-means:** Gán về **cluster gần nhất**
+
+**Apriori:** Lift>1 → X,Y liên quan