Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja Nowa wersja | Poprzednia wersja | ||
|
pl:dydaktyka:ml:2014lab3 [2014/03/26 07:52] esimon [Przykład drzewa decyzyjnego] |
pl:dydaktyka:ml:2014lab3 [2019/06/27 15:50] (aktualna) |
||
|---|---|---|---|
| Linia 62: | Linia 62: | ||
| </code> | </code> | ||
| - | **Pytanie** Korzystając ze zbioru danych z tabeli z poprzedniej sekcji, policz entropię i przyrost wiedzy dla poszczególnych atrybutów. | + | **Pytanie** Korzystając ze zbioru danych z tabeli z poprzedniej sekcji, policz entropię i przyrost wiedzy dla poszczególnych atrybutów. **Uwaga** - w przykładzie mamy do czynienia z problemem binarnym, więc sumy ze wzorów tak naprawdę będą tylko dwuelementowe (poza liczeniem //information gain// dla atrubutu //sky//). |
| * Dla którego z atrybutów entropia jest największa? | * Dla którego z atrybutów entropia jest największa? | ||
| * Dla którego z atrybutów //information gain// jest największy? | * Dla którego z atrybutów //information gain// jest największy? | ||
| Linia 70: | Linia 70: | ||
| ===== Wprowadzenie do Weki ===== | ===== Wprowadzenie do Weki ===== | ||
| [[http://www.cs.waikato.ac.nz/~ml/weka/|Weka]], to narzędzie opensource do data miningu. | [[http://www.cs.waikato.ac.nz/~ml/weka/|Weka]], to narzędzie opensource do data miningu. | ||
| - | Uruchom je wykonując w konsoli polecenie | + | Uruchom je wykonując w konsoli polecenie. Jeśli program nie jest zainstalowany, ściagnij go ze strony |
| <code> | <code> | ||
| $ weka | $ weka | ||
| + | </code> | ||
| + | |||
| + | Jeśli program nie jest zainstalowany, ściągnij go ze strony: [[http://www.cs.waikato.ac.nz/~ml/weka/|Weka]] i uruchom: | ||
| + | <code> | ||
| + | $ java -jar weka.jar | ||
| </code> | </code> | ||
| Linia 97: | Linia 102: | ||
| ==== Poprawność klasyfikacji ==== | ==== Poprawność klasyfikacji ==== | ||
| - | - Załaduj plik credit-g.arff do Weki. Zawiera on dane uczące dla systemu, który na podstawie atrybutów zawartych w pliku powinien określać czy dany zestaw wartości atrybutów wskazuje na wiarygodnego klienta banku, czy też nie - czy można przyznać mu kredyt, czy jest to ryzykowne. | + | - Załaduj plik {{:pl:dydaktyka:ml:credit-g.arff.gz|credit-g.arff}} do Weki. Zawiera on dane uczące dla systemu, który na podstawie atrybutów zawartych w pliku powinien określać czy dany zestaw wartości atrybutów wskazuje na wiarygodnego klienta banku, czy też nie - czy można przyznać mu kredyt, czy jest to ryzykowne. |
| - Przejdź do zakładki **Classify** i wybierz algorytm J48. | - Przejdź do zakładki **Classify** i wybierz algorytm J48. | ||
| - W obszarze //Test options// wybierz opcje //Percentage split// z wartością 66% Oznacza to, ze 66% danych posłuży do uczenia, a 34% do walidacji. Jakie to ma znaczenie? | - W obszarze //Test options// wybierz opcje //Percentage split// z wartością 66% Oznacza to, ze 66% danych posłuży do uczenia, a 34% do walidacji. Jakie to ma znaczenie? | ||
