Różnice
Różnice między wybraną wersją a wersją aktualną.
Both sides previous revision
Poprzednia wersja
Nowa wersja
|
Poprzednia wersja
|
pl:miw:miw08_rbs_ml:historia [2008/06/16 12:17] miw |
pl:miw:miw08_rbs_ml:historia [2008/06/16 12:27] miw |
===== 080311 ===== | |
| |
===== 080401 ===== | |
* jak metodami uczenia maszynowego //automatycznie// budować model ARD? | |
* jak uczenie maszynowe może prowadzić do rozbudowy bazy reguł? | |
| |
| |
===== 080520 ===== | |
* Zaimplementować uczenie maszynowe dla [[hekate:hekate_case_thermostat|Termostatu]]. | |
* Zastosowano algorytm ID3, lecz wtedy tworzy sie zbyt wiele gałęzi. | |
* Pójście w stronę C4.5 na początku następuje agregacja (wartości są uporządkowane) i zmiana atrybutów porządkowych na inne o mniejszej ilości możliwych wartości. | |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
===== 080527 ===== | |
| |
| |
* Pytania: | |
* Czy jako zbiór uczący może być cała dziedzina, czyli 'dni x godziny x miesiące'? | |
* Czy musimy obsługiwać przekłamane przykłady uczące i braki (brak któregoś atrybutu)? | |
| |
* Testy: | |
* Losowy zbiór uczący składający sie z 150 przykładów | |
* Dziedzina składa się z 2016 przypadków | |
* Najpierw algorytm buduje drzewo z 150 przykładów zbioru uczącego, następnie pozostałe 1866 są testowane w zbudowanym drzewie | |
| |
* Testy algorytmu ID3 | |
* [[ http://student.agh.edu.pl/~morcinek/AGH/MIW/No_aggregate.gif |Przykładowe drzewo]] które nie zostało w pełni wygenerowane ponieważ program graphviz nie poradził sobie. Było to związane z tym, że atrybuty początkowe zawierały zbyt wiele wartości i każda z nich była w każdym wyniku testu opierającego się o ten atrybut. Czasochłonne i pamięciochłonne było też konstruowanie i przechowywanie w pamięci takiego drzewa. Ilość liści takiego drzewa wynosi 7 (dni) x 24 (godziny) x 12 (miesięcy) = 2016. | |
* Wykonano 20 testów. | |
* Średnia skuteczność wynosiła 55.3% | |
* Poprawnie sklasyfikowane przykłady testowe wahały się od 904 do 1111 | |
| |
| |
===== 080610 ===== | |
| |